wangqi1113的博客

1.为什么需要激活函数：线性函数的组合还是线性函数，需要激活函数引入非线性。在隐藏层的节点传入下一层进行加权之前，经过激活函数的处理，激活函数为非线性函数。2.常见的激活函数： S型函数：(logistic中用的激活函数就是它) sigmoid=11+e−xsigmoid=11+e−xsigmoid = \frac{1}{1+e^{-x}} 修正线性单元激活函数 (ReLu函数) ...

学习谷歌的机器学习速成课程标签：标签是我们要预测的事物，也就是y特征：特征是输入变量，也就是x，按照如下方式指定{x1,x2,x3….,xN}，合适的特征应该是具体可量化的，for example，喜欢不是可观察且可量化的指标，鞋的美观程度也不是，但是鞋码和用户点击鞋子描述的次数是一种具体可量化的指标。样本：指数据的特定实例，有标签样本和无标签样本模型：模型定义了特征和标签之间的联系，...

学习google 机器学习速成课程 笔记2特征工程从原始数据中提取特征的过程 如果原始数据为字符串，可以使用One-Hot编码将其转换成特征向量。特征一般为浮点数表示。 将字符串值映射到浮点数 1. 首先，为要表示的 所有特征的 字符串值 定义一个词汇表。 2. 然后，使用该词汇表创建one-hot编码，用于将指定字符串值表示为二元矢量，在该矢量中，只有一个元素设为1，其余的...

逻辑回归 logistic1.logistic回归是一种极其高效的概率计算机制 2.logistic返回的是概率，可以”原样”使用返回的概率来代表某件事情发生的可能性，也可以将返回的概率转换成二元值（0和1） 3.logistic回归模型用于分类 设置阈值 评估的话用 准确率常见的S型曲线 y′=11+e−zy′=11+e−zy'= \frac{1}{1+e^{-z}} z=w...

KNN–k近邻学习KNN基于某种距离度量在训练集中找出与其距离最近的k个带有真实标记的训练样本，然后给基于这k个邻居的真实标记来进行预测分类任务：投票法或者加权投票法(基于距离远近，距离越近的样本权重越大)回归任务：平均法或者加权平均法(基于距离远近，距离越近的样本权重越大) KNN算法的核心在于k值的选取以及距离的度量。k值选取太小，模型很容易受到噪声数据的干扰，例如：极端地...

个人认为下面这篇博文非常适合初学或者学的很浅的朋友。 转自http://www.jianshu.com/p/9dc9f41f0b29经常接触LSTM，GRU,RNN这些模型，对于LSTM的印象只是知道它用来解决梯度消失梯度爆炸问题，对于长距离的句子的学习效果不好的问题，而且大概...