14篇文章 · 37799字 · 1人關(guān)注
-
支持向量機（SVM）常見問題
1 SVM原理 SVM是一種二分類模型盘寡。它的基本模型是在特征空間中尋找間隔最大化的分離超平面的線性分類器。（間隔最大化是它的獨特之處）基矮，通過該超...
-
KNN算法常見問題總結(jié)1 k近鄰法（k-nearest neighbor, kNN） 給定測試實例晨另，基于某種距離度量找出訓(xùn)練集中與其最靠近的k個實例點鹃栽，然后基于這k個...
-
機器學(xué)習(xí)常見問題偏差與方差：https://www.cnblogs.com/daguankele/p/6561419.html 對于測試樣本x档玻，令yD為x在數(shù)據(jù)...
-
xgboost通俗理解xgboost是時下熱門的機器學(xué)習(xí)算法怀泊，在面試和競賽中出現(xiàn)的頻率非常高，但網(wǎng)上卻沒有一篇能夠完全講清楚的文章误趴，因此霹琼，本文旨在用盡量少的公式，將x...
-
選擇邏輯回歸模型還是支持向量機模型凉当？
n為特征數(shù)枣申， m為訓(xùn)練樣本數(shù)。 (1)如果相較于m而言看杭， n要大許多忠藤，即訓(xùn)練集數(shù)據(jù)量不夠支持我們訓(xùn)練一個復(fù)雜的非線性模型，我們選用邏輯回歸模型或...
-
機器學(xué)習(xí)中的核函數(shù)核函數(shù)的定義 核函數(shù)包括線性核函數(shù)楼雹、多項式核函數(shù)熄驼、高斯核函數(shù)等，其中高斯核函數(shù)最常用烘豹，可以將數(shù)據(jù)映射到無窮維瓜贾，也叫做徑向基函數(shù)（Radial B...
-
梯度檢驗為何進行梯度檢驗？ 神經(jīng)網(wǎng)絡(luò)算法使用反向傳播計算目標(biāo)函數(shù)關(guān)于每個參數(shù)的梯度携悯，可以看做解析梯度祭芦。由于計算過程中涉及到的參數(shù)很多，反向傳播計算的梯度...
-
圖片翻譯——讓機器告訴你圖片內(nèi)容本文主要基于論文Vinyals O, Toshev A, Bengio S, et al. Show and tell: A neural im...
-
機器學(xué)習(xí)——常見的損失函數(shù)
通常機器學(xué)習(xí)每一個算法中都會有一個目標(biāo)函數(shù)憔鬼，算法的求解過程是通過對這個目標(biāo)函數(shù)優(yōu)化的過程龟劲。在分類或者回歸問題中，常使用損失函數(shù)（代價函數(shù)）作為其...
