摘要:转自 :http://blog.csdn.net/aliceyangxi1987/article/details/73598857 学习曲线是什么? 学习曲线就是通过画出不同训练集大小时训练集和交叉验证的准确率,可以看到模型在新数据上的表现,进而来判断模型是否方差偏高或偏差过高,以及增大训练集是否可 阅读全文
posted @ 2017-08-17 16:08 nolonely 阅读(19516) 评论(0) 推荐(0) 编辑
摘要:目录链接 (1) 牛顿法 (2) 拟牛顿条件 (3) DFP 算法 (4) BFGS 算法 (5) L-BFGS 算法 阅读全文
posted @ 2017-08-17 09:10 nolonely 阅读(230) 评论(0) 推荐(1) 编辑
摘要:转自 http://blog.csdn.net/likika2012/article/details/39619687 前两日,在微博上说:“到今天为止,我至少亏欠了3篇文章待写:1、KD树;2、神经网络;3、编程艺术第28章。你看到,blog内的文章与你于别处所见的任何都不同。于是,等啊等,等一台 阅读全文
posted @ 2017-08-16 11:19 nolonely 阅读(363) 评论(0) 推荐(0) 编辑
摘要:转自 http://ufldl.stanford.edu/wiki/index.php/Softmax%E5%9B%9E%E5%BD%92 简介 在本节中,我们介绍Softmax回归模型,该模型是logistic回归模型在多分类问题上的推广,在多分类问题中,类标签 可以取两个以上的值。 Softma 阅读全文
posted @ 2017-08-16 09:32 nolonely 阅读(2588) 评论(1) 推荐(2) 编辑
摘要:转自http://www.cnblogs.com/chaosimple/p/3182157.html 一、统计学的基本概念 统计学里最基本的概念就是样本的均值、方差、标准差。首先,我们给定一个含有n个样本的集合,下面给出这些概念的公式描述: 均值: 标准差: 方差: 均值描述的是样本集合的中间点,它 阅读全文
posted @ 2017-08-12 21:19 nolonely 阅读(192) 评论(0) 推荐(1) 编辑
摘要:参考自:http://blog.csdn.net/wjmishuai/article/details/71191945 http://www.cnblogs.com/Xnice/p/4522671.html 基于潜在(隐藏)因子的推荐,常采用SVD或改进的SVD++ 奇异值分解(SVD): 考虑CF 阅读全文
posted @ 2017-08-10 09:56 nolonely 阅读(2910) 评论(0) 推荐(0) 编辑
摘要:转自 http://blog.csdn.net/xingzhedai/article/details/53144126 更多参考:http://blog.csdn.net/mafeiyu80/article/details/51446558 http://blog.csdn.net/caimouse 阅读全文
posted @ 2017-08-09 18:56 nolonely 阅读(387) 评论(0) 推荐(0) 编辑
摘要:首先为什么会有Deep learning,我们得到一个结论就是Deep learning需要多层来获得更抽象的特征表达。 1.Deep learning与Neural Network 深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据, 阅读全文
posted @ 2017-08-09 15:28 nolonely 阅读(1143) 评论(0) 推荐(0) 编辑
摘要:本人弱学校的CS 渣硕一枚,在找工作的时候,发现好多公司都对深度学习有要求,尤其是CNN和RNN,好吧,啥也不说了,拿过来好好看看。以前看习西瓜书的时候神经网络这块就是一个看的很模糊的块,包括台大的视频,上边有AutoEncoder,感觉很乱,所以总和了各种博客,各路大神的知识,总结如果,如有问题, 阅读全文
posted @ 2017-08-09 10:30 nolonely 阅读(5748) 评论(0) 推荐(0) 编辑
摘要:By Kubi Code 文章目录 1. 有监督学习和无监督学习的区别 2. 正则化 3. 过拟合 3.1. 产生的原因 3.2. 解决方法 4. 泛化能力 5. 生成模型和判别模型 6. 线性分类器与非线性分类器的区别以及优劣 6.1. 特征比数据量还大时,选择什么样的分类器? 6.2. 对于维度 阅读全文
posted @ 2017-08-08 21:59 nolonely 阅读(8444) 评论(0) 推荐(0) 编辑