无敌阿强的博客

1、VGGNet1.1 2014年发表VggNet学习笔记2、GoogLenet2.1 2014年发表GoogLeNet简书2.2 Inception家族的「奋斗史」3、ResNet3.1 2015年提出ResNet（残差）网络简书...

一、特征归一化（对于数值类型）线性函数归一化；零均值归一化；二、高维特征组合三、图像数据不足时（1）选择技巧根本原理：模型所能提供的信息主要源于两个方面：训练数据中蕴含的先验信息；模型训练过程中（构造、学习、推理）以及人们提供的先验信息；（2）根本原因：当数据不足时，说明模型 从原始数据中获得的信息比较少，就需要增加更多的先验信息；可以增加到模型上；可以增加到数据集上...

Softmax和Sigmoid函数理解(1)相关背景sigmoid和softmax是神经网络输出层使用的激活函数，分别用于两类判别和多类判别。binary cross-entropy和categorical cross-entropy是相对应的损失函数。对应的激活函数和损失函数相匹配，可以使得error propagation的时候，每个输出神经元的“误差”（损失函数对输入的导数）恰等于其...

一、损失函数：机器学习主要工作是模型评估，而损失函数定义了模型的评估指标!!常见的损失函数有mean_squared_errormean_absolute_errormean_absolute_percentage_errormean_squared_logarithmic_errorsquared_hingehingecategorical_hingelogcoshcate...

一、特征工程1、特征归一化2、类别型特征3、高维组合特征的处理4、组合特征5、文本表示模型6、Word2Vec7、图像数据不足时的处理方法