chice的博客

1 机器学习分类传统机器学习机器学习可以理解成是生产算法的算法。需要人来先做特征提取，然后在把特征向量化后交给机器去训练。传统机器学习分为 监督学习 和 无监督学习。深度学习深度学习是基于深度神经网络的学习（DNN）。深度学习可以自动提取特征。深度学习可以采用 End-to-End 的学习方式，只需要进行很少的归一化和白化，就可以将数据交给模型去训练。2 机器学习中的一些...

前置参考读物：《机器学习，看完就明白了》传送门获取数据源训练数据直接使用开源的手写数据集MNIST。MNIST数据集是一个开源的手写数据库。它提供了大量的数据样本作为训练集和验证集。这个数据集拥有 60000 个训练样本，和 10000 个测试样本。MNIST 官网（一个很 low 的网站）传送门：http://yann.lecun.com/exdb/mnist/就是上面那几个红色...

在 《【Get】用深度学习识别手写数字》 中，我们通过一个手写数字识别的例子，体验了如何使用 深度学习 + tensorflow 解决一个具体的问题。实际上，这是一个分类问题，即将输入的图片数据分成 0-9 共 10 个类别，而且我们的数据都是直接使用 MNIST 上下载的处理好的数据。在现实生产中，我们的数据源通常来自于数据库，是没有经过预处理的，那么我们该做些什么来让这些数据库里的数据...

在机器学习的过程中，当参数数量比较多的时候，很可能就会出现过拟合的现象，使得模型在训练集中拟合效果很好，但在测试集上拟合效果就让人不那么愉快了。发生这种情况，就意味着训练出来的模型泛化性比较差，无法适应复杂的现实情况。那我们肯定就需要想办法防止或者减弱过拟合的发生。本篇 CoorChice 将会介绍几种防止过拟合的方法。正则化在进行模型训练的的时候，最重要的一步就是通过不断减小损失函数的损...