機器學習中最小二乘法是什么，如何實現？

2020-07-24

最小二乘法，相信大家都不陌生，統計學中很是常見，而且其理論相對簡單，用途也很廣泛。今天小編就給大家具體介紹一下最小二乘法。 一、最小二乘概念 最小二乘，或者也可以叫做最小平方和，它目的就是通過最 ...

過擬合是如何產生的？有什么好的解決方法？

2020-07-23

在機器學習中，相對于欠擬合，過擬合出現的頻次更高。這是因為，假設某一數據集其對應的模型為‘真’模型，我們通常是采用提高模型的復雜度的方法，來避免欠擬合現象的產生，但與此同時，我們又很難把網絡設計成和 ...

應該怎樣理解深度學習Caffe？

2020-07-13

Caffe是深度學習框架中經常遇到的，那么到底Caffe是什么?我們又應該怎樣理解呢?下面，小編對于Caffe做了一個簡單的介紹，希望對大家有所幫助。 一、Caffe基本概念 Caffe全稱為：Convolutional Architecture ...

如何快速簡單地入門Keras？

2020-07-13

Keras 是基于 Theano 或 者TensorFlow 的一個深度學習框架，其設計源于Torch，編程語言用 Python ，是一個功能強大、內容抽象，高度模塊化的神經網絡庫，能夠支持 GPU 和 CPU。目前tensorflow已經將keras合并到了 ...

XGBoost算法的這3類參數，你知道嗎？

2020-07-09

XGBoost是誕生于2014年2月的一種專攻梯度提升算法的機器學習函數庫，它有很好的學習效果，速度也非?？?，與梯度提升算法在另一個常用機器學習庫scikit-learn中的實現相比，XGBoost的性能可以提升10倍以上。還有，X ...

特征工程是什么？常用的方法有哪些？

2020-07-07

“數據決定了機器學習的上限，而算法只是盡可能逼近這個上限”，這里的數據指的就是經過特征工程得到的數據。特征工程指的是把原始數據轉變為模型的訓練數據的過程，它的目的就是獲取更好的訓練數據特征，使得機器 ...

機器學習中的泛化能力指的是什么？

2020-07-03

概括地說，泛化能力(generalization ability)是指機器學習算法對新鮮樣本的適應能力。學習的目的是學到隱含在數據對背后的規律，對具有同一規律的學習集以外的數據，經過訓練的網絡也能給出合適的輸出，該能力稱為 ...

線性可分支持向量機、線性支持向量機、非線性支持向量機的區別有哪些

2020-07-03

支持向量機是一種二類分類模型.它的基本模型是定義在特征空間上的間隔最大的線性分類器。其學習策略是間隔最大化，可形式化為求解凸二次規劃問題，也等價于正則化的合葉損失函數的最小化問題。 支持向量機學習 ...

SVM和LR有哪些相同點和不同點

2020-07-03

SVM和LR是機器學習中常用的算法，今天就讓我們來看一下這兩者有哪些相同點和不同點吧。 SVM和LR的相同點： 1.LR和SVM都是有監督的學習 2.LR和SVM都可以處理分類問題，且一般都用于處理線性二分類問題(在 ...

SVC，NuSVC，LinearSVC有什么區別

2020-07-03

相信大家在機器學習中，一定常見到;SVC，NvSVC，LinearSVC，今天我們就來看看這三者的區別。 SVC(C-Support Vector Classification)： 支持向量分類，基于libsvm實現的，數據擬合的時間復雜度是數據樣本的二 ...

線性回歸的原理和表達式

2020-07-01

有監督學習的主要任務是分類和回歸，而其中最簡單的一種回歸方式就是線性回歸。下面跟隨小編一起來看線性回歸的內容吧。 線性回歸得出的模型不一定是一條直線，在只有一個變量的時候，模型是平面中的一條直線; ...

深度學習算法：CNN、RNN、LSTM、TensorFlow等之間的關系！

2020-05-27

用于實際問題的深度神經網絡可能具有10層以上的隱藏層。它的拓撲可能很簡單，也可能很復雜。網絡中的層越多，它可以識別的特征就越多。不幸的是，網絡中的層越多，計算所需的時間就越長，并且訓練起來就越困難。 ...

Kmeans算法精簡版(無for loop循環)

2020-05-27

大家在學習算法的時候會學習到關于Kmeans的算法，但是網絡和很多機器學習算法書中關于Kmeans的算法理論核心一樣，但是代碼實現過于復雜，效率不高，不方便閱讀。這篇文章首先列舉出Kmeans核心的算法過程 ...

機器學習中的線性回歸，你理解了多少？

2020-02-22

作者丨algorithmia 來源 | 大數據與人工智能 機器學習中的線性回歸是一種來源于經典統計學的有監督學習技術。然而，隨著機器學習和深度學習的迅速興起，因為線性（多層感知器）層的神經網絡 ...

33 個神經網絡「煉丹」技巧

2019-12-26

作者 | Andrej Karpathy 編譯 | AI有道 特斯拉人工智能部門主管 Andrej Karpathy 發布新博客，介紹神經網絡訓練的技巧。 Andrej Karpathy 是深度學習計算機視覺領域、與領域的研究員 ...

用OpenCV等構建神經網絡，這些實戰經驗你肯定用得上！

2020-05-21

在我們的機器學習實驗室，我們在許多高性能的機器已經積累了成千上萬個小時的訓練。然而，并不是只有計算機在這個過程中學到了很多東西：我們自己也犯了很多錯誤，修復了很多錯誤。 我們承認這些都是眾所周知 ...

新手機器學習工程師最容易犯的6大錯誤

2019-12-16

作者 | Christopher Dossman 編譯 | ronghuaiyang 在機器學習中，有許多方法來構建產品或解決方案，每種方法都假設不同的東西。很多時候，如何識別哪些假設是合理的并不明顯。剛接觸機器學 ...

8個計算機視覺深度學習中常見的Bug

2019-12-11

作者 | Arseny Kravchenko 編譯 | ronghuaiyang 人是不完美的，我們經常在軟件中犯錯誤。有時這些錯誤很容易發現：你的代碼根本不能工作，你的應用程序崩潰等等。但是有些bug是隱藏的，這 ...

機器學習之深度學習的未來

2019-12-09

作者 | Francois Chollet 編譯 | CDA數據分析師 The future of deep learning 鑒于我們對深網的工作原理，局限性以及研究現狀的了解，我們能否預測中期的發展方向？這是一些純粹的個 ...

機器學習與深度學習核心知識點總結(二)

2019-12-03

作者 | 小小挖掘機 來源 | SIGAI 主成分分析 主成分分析是一種數據降維和去除相關性的方法，它通過線性變換將向量投影到低維空間。對向量進行投影就是對向量左乘一個矩陣，得到結果向量 ...