knn、cnn

(1)K-近邻(KNN)算法

  对于未知类别属性数据集中的点:

   1、计算已知类别数据集中的点与当前点的距离;

   2、按照距离依次排序;

   3、选取与当前距离最小的K个点;

   4、确定前K个点所在类别的出现频率;

   5、返回前K个点出现的频率最高的类别作为当前点预测分类。

(2)CNN

cnn组成[INPUT- CONV- RELU -POOL -FC]

输入层+卷积层+激活函数+池化层+全连接层

       

1、准备样本数据,均是以一个batch进行接入,如图片16张,32张一起传入

  2、前向传播,获得损失函数

  3、反向传播,获得梯度

  4、运用梯度更新权重

(3)RNN

xt:表示第t,t=1,2,3···步的输入

st:表示隐层的第t步的状态,它是网络的记忆单元

st=f(Uxt+Wst -1),其中f一般是非线性的激活函数

ot:是第t步的输出

RNN缺点:

   1、出现梯度消失现象

   2、计算量太大

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值