摘要：
tensorflow2知识总结 6、过拟合实例 一、总结 一句话总结： A、训练集上的loss一直降低 ，测试集上的loss却有较大波折，证明过拟合 B、训练的时候验证测试数据：history = model.fit(train_image,train_label,epochs=10,validat 阅读全文
posted @ 2020-07-28 20:55
范仁义
阅读(347)
评论(0)
推荐(0)
摘要：
tensorflow2知识总结（杂） 4、训练模型的步骤 一、总结 一句话总结： 1、首先开发一个过拟合的模型（更多层，更多神经元，训练更多轮） 2、然后，抑制过拟合（dropout、正则化、图像增强） 3、再次，调节超参数（学习速率、隐藏层单元数、训练轮次） 1、过拟合 和 欠拟合 ？ 过拟合：在 阅读全文
posted @ 2020-07-28 20:49
范仁义
阅读(582)
评论(0)
推荐(0)
摘要：
tensorflow2知识总结（杂） 3、如何提高网络的拟合能力 一、总结 一句话总结： 1、增加层（增加层的效果比增加隐藏神经元的效果好） 2、增加隐藏神经元个数 1、什么是网络容量 及相关？ a、网络容量可以认为与网络中的可训练参数成正比 b、网络中的神经单元数越多，层数越多，神经网络的拟合能力 阅读全文
posted @ 2020-07-28 07:22
范仁义
阅读(1006)
评论(0)
推荐(0)
摘要：
机器学习200725系列 2、逻辑回归实例 一、总结 一句话总结： lr=Pipeline([("sc",StandardScaler()),("cLf",LogisticRegression())]) 1、logistic回归在什么情况下是一个线性函数？ 是对数函数的情况下，可以公式推导 2、ma 阅读全文
posted @ 2020-07-28 06:32
范仁义
阅读(313)
评论(0)
推荐(0)
摘要：
梯度下降与随机梯度下降概念及推导过程 一、总结 一句话总结： 梯度通俗理解：我们对一个多元函数求偏导,会得到多个偏导函数.这些导函数组成的向量,就是梯度. 1、利用梯度下降法求解梯度的过程？ 1、随机一个初始值,在多元线性回归中,我们随机一组w,带入到损失函数中,得到一个初始点. 2、让这个点按照负 阅读全文
posted @ 2020-07-28 05:30
范仁义
阅读(1069)
评论(0)
推荐(0)
摘要：
多元线性回归求解过程 解析解求解 一、总结 一句话总结： a、多元线性回归求解过程 解析解求解得到的表达式是θ=(X.T*X)^(-1) * (X.T*X)，这样就可以求的ax+b中的a b、核心代码：theta_best = np.linalg.inv(X_b.T.dot(X_b)).dot(X_ 阅读全文
posted @ 2020-07-28 05:23
范仁义
阅读(2124)
评论(0)
推荐(0)
摘要：
多元线性回归推导过程 一、总结 一句话总结： I、多元线性回归就是:用多个x(变量或属性)与结果y的关系式 来描述一些散列点之间的共同特性. II、y= w0x0 + w1x1 + w2x2 + ... + wnxn (0到n都是下标哦) III、向量W= [w1,w2...wn]是行向量,向量X= 阅读全文
posted @ 2020-07-28 03:50
范仁义
阅读(1701)
评论(0)
推荐(0)
摘要：
逻辑回归 总结 一、总结 一句话总结： A、logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。 B、例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃 阅读全文
posted @ 2020-07-28 03:30
范仁义
阅读(328)
评论(0)
推荐(0)
摘要：
解释logistic回归为什么要使用sigmoid函数 一、总结 一句话总结： 1、不是因为sigmoid有很多优秀的性质，然后在1ogistic回归模型建立的时候，从而使用sigmoid函数，这样是不合理的，因为在数学当中sigmoid是一个函数族。具备sigmoid函数这样的性质的函数有很多。s 阅读全文
posted @ 2020-07-28 03:09
范仁义
阅读(1290)
评论(0)
推荐(0)
摘要：
逻辑回归(logistics regression) 总结 一、总结 一句话总结： A、logistics regression是用来做分类任务的 B、逻辑回归(logistics regression)的损失函数交叉熵损失函数 1、多元线性回归？ 多元线性回归是用线性的关系来拟合一个事情的发生规律 阅读全文
posted @ 2020-07-28 03:00
范仁义
阅读(774)
评论(0)
推荐(0)
浙公网安备 33010602011771号