摘要: 什么是评估机器学习模型 机器学习的目的是得到可以泛化(generalize)的模型,即在前所未见的数据上表现很好的模型,而过拟合则是核心难点。你只能控制可以观察的事情,所以能够可靠地衡量模型的泛化能力非常重要。 如何衡量泛化能力,即如何评估机器学习模型。 评估模型的重点是将数据划分为三个集合:训练集阅读全文
posted @ 2018-12-12 23:41 左手十字 阅读(100) 评论(0) 编辑
摘要: 对模型给予概率进行分类的手法称为概率分类法。给予概率是指对于模式X所对应的类别y的后验概率(y|x)进行学习。其所属类别为后验概率达到最大值时所对应的类别。 基于概率的模式识别的算法除了可以避免错误分类,还具有一个优势。就是的对多分类通常会有一个号的效果。 一、Logistic回归 首先,来看一下最阅读全文
posted @ 2018-07-30 15:41 左手十字 阅读(29) 评论(0) 编辑
摘要: 目录: 一、TensorFlow使用GPU 二、深度学习训练与并行模式 三、多GPU并行 四、分布式TensorFlow 4.1分布式TensorFlow的原理 4.2分布式TensorFlow模型训练 4.3使用caicloud运行分布式TensorFlow 深度学习应用到实际问题中,一个非常棘手阅读全文
posted @ 2018-07-30 10:05 左手十字 阅读(145) 评论(0) 编辑
摘要: 决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象阅读全文
posted @ 2018-07-14 16:41 左手十字 阅读(67) 评论(0) 编辑
摘要: 为了更好的管理、调试和优化神经网络的训练过程,TensorFlow提供了一个可视化工具TensorBoard。TensorBoard可以有效的展示TensorFlow在运行过程中的计算图。、各种指标随着时间变化的趋势以及训练中使用到的腿昂等信息 一、TensorBoard简介 二、TensorBoa阅读全文
posted @ 2018-07-05 22:39 左手十字 阅读(257) 评论(2) 编辑
摘要: 一、循环神经网络简介 循环神经网络的主要用途是处理和预测序列数据。循环神经网络刻画了一个序列当前的输出与之前信息的关系。从网络结构上,循环神经网络会记忆之前的信息,并利用之前的信息影响后面节点的输出。 下图展示了一个典型的循环神经网络。 循环神经网络的一个重要的概念就是时刻。上图中循环神经网络的主体阅读全文
posted @ 2018-07-02 23:23 左手十字 阅读(800) 评论(0) 编辑
摘要: 在机器学习的过程中,我们经常会遇见过拟合的问题。而输入数据或features的维度过高就是导致过拟合的问题之一。。维度越高,你的数据在每个特征维度上的分布就越稀疏,这对机器学习算法基本都是灾难性的。所有出现了很多降维的方法。今天我们要讨论的就是LDA降维。 LDA降维的思路是:如果两类数据线性可分,阅读全文
posted @ 2018-06-29 12:46 左手十字 阅读(428) 评论(0) 编辑
摘要: 目录: 一、TFRecord输入数据格式 1.1 TFrecord格式介绍 1.2 TFRecord样例程序 二、图像数据处理 2.1TensorFlow图像处理函数 2.2图像预处理完整样例 三、多线程数据输入处理框架 3.1 队列与多线程 3.2输入文件队列 3.3组合训练数据(batching阅读全文
posted @ 2018-06-27 08:20 左手十字 阅读(2174) 评论(0) 编辑
摘要: 一、卷积神经网络简介 卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。 一阅读全文
posted @ 2018-06-20 17:30 左手十字 阅读(118) 评论(0) 编辑
摘要: 一、MNSIT数据处理 MNSIT是一个非常有名的手写体数字识别数据集。包含60000张训练图片,10000张测试图片。每张图片是28X28的数字。 TonserFlow提供了一个类来处理 MNSIT数据。这个类会自动下载并转化数据结构。 为了方便使用随机梯度下降, 二、神经网络模型训练及不同模型效阅读全文
posted @ 2018-06-12 00:30 左手十字 阅读(252) 评论(0) 编辑