u010601901的博客

神经网络简介 1 几种常见的神经元 （1）  线性神经元 （2）  二进制神经元 （3）  逻辑神经元（sigmoid 神经元） （4）  随机二进制神经元        与逻辑神经元的区别在于，逻辑神经元的结果是一个分类结果，但是随机二进制神经元的结果是属于某类的概率 2 学习任务的分类 （1）  监督学习(supervis

Softmax function 1 提出背景 对于一般的神经网络而言，误差函数为,但是这样的误差函数是会存在问题的： （1）  对于互斥分类问题的概率求解问题，必须要保证,但是如果采用上述的误差函数，是没有办法保证的 （2）  对于分类问题，实际的结果是1，但是预测的结果是0.0000001，即好比实际的结果在x轴方向的，但是预测的结果却是y轴方向。那么，在缩小误差的过程中，就需要相当长

Mini-batchgradient 1 gradient descent又可以被称为steepest descent 2 梯度下降算法误差曲线：一般的梯度下降算法误差曲线是椭圆形的，这样就会存在问题，例如，实际要跨的步子可                能很小，但是梯度算法求解出来的步子很大；实际要跨的步子可能很大，但是梯度下降算                法求解出来的步子很  小。所以

ROC计算结果问题

pipeline的用法 models = [Pipeline([ ('poly', PolynomialFeatures()), ('linear', LinearRegression(fit_intercept=False))]), Pipeline([ ('poly', PolynomialFeatures()),