weixin_43867402的博客

DropOut以及正则化DropOut正则化三级目录DropOutDropOut是神经网络中一种防止过拟合的手段,其主要的原理是在每一次的训练过程中 放置几个神经元,不对进行训练,他的参数不会进行更新,但是在实际测试训练集的时候.所有的神经元都会被用到,正则化正则化同样是一种防止过拟合的手段, 非三级目录...

交叉熵交叉熵的原理为什么使用交叉熵引出交叉熵交叉熵的实际使用交叉熵的原理为什么使用交叉熵当我们使用sigmoid函数作为激活函数,计算损失值时所用到的函数是二次代价函数(真实值减去与测试的平方),调整权值时的快慢与激活函数的导数有关.当损失值较大的时候,应该调整的快一些,当损失值较小的时候,可以调整的慢一些.但是,使用二次代价函数,并不能实现这个功能.引出交叉熵因此改变计算损失值的代价函数改为交叉熵代价函数t表示实际的值y表示预测值z=ωxz = \omega xz=ωxE=−(

肝炎预测数据处理将缺失较少的数据,使用众数或者平均数填充,缺失较多的数使用随机森林进行预估.模型训练使用catboost进行预测,代码如下:import warningswarnings.filterwarnings("ignore", message="numpy.dtype size changed")warnings.filterwarnings("ignore", message="numpy.ufunc size changed")#Ignore RuntimeWarn

PYTORCH学习记录手写数字识别(使用官方下载数据)数据下载创建python工程代码分析手写数字识别(使用官方下载数据)使用官方的MINIST数据集进行训练与预测,神经网络使用的模型为全连接,输入层为784(图片大小为28*28),输出层为10,对应10个数字数据下载所使用的数据需要到http://yann.lecun.com/exdb/mnist/?spm=a2c4e.11153940.blogcont637953.8.1f8c45b8i6zI6u.数据集下载完成之后如图所示:需要下载这四