雪糕cool的博客

文本分类步骤 一、文本预处理 读取文本 with open(os.path.join(folder_name, file), 'rb') as f: review = f.read().decode('utf-8').replace('\n', '').lower() data.append([review, 1 if label...

应用场景 多层感知机（multilayer perceptron，MLP）是多层神经网络。 模型 每一层相当于一个softmax回归，所以对于多样本，Hidden层和Output层的表达式分别是： H=XWh+bh,O=HWo+bo, \begin{aligned} \boldsymbol{H} &= \boldsymbol{X} \boldsymbol{W}_h + \boldsym...

应用场景 Softmax回归虽然名字叫回归，但它在多个线性回归输出基础上，经过了softmax operator，且最小化的是交叉熵损失，被用作多分类。 Softmax回归应用于多分类场景，也即给定多个特征，预测各类别的概率，比如图片多类别分类。 类似的，Logistics回归是在单个线性回归输出的基础上，经过了sigmoid operator，且最小化的是交叉熵损失，被用作二分类。 模型 特...

理论 模型 单样本 y^=w⊤x+b, \hat{y} = \mathbf{w}^\top \mathbf{x} + b, y^​=w⊤x+b, 输入：特征向量x\mathbf{x}x 输出：预测值y^\hat{y}y^​ 参数：向量w\mathbf{w}w、标量bbb 多样本 y^=w⊤X+b. \mathbf{\hat{y}} = \mathbf{w}^\top \mathbf{X} + b...