欠擬合和過擬合是什么？解決方法總結(jié)

過擬合是指模型在訓(xùn)練集上表現(xiàn)很好，到了驗證和測試階段就大不如意了，即模型的泛化能力很差。

2020-01-29 標簽：機器學習 3.2萬 0

Python無監(jiān)督學習的幾種聚類算法包括K-Means聚類,分層聚類等詳細概述

無監(jiān)督學習是機器學習技術(shù)中的一類，用于發(fā)現(xiàn)數(shù)據(jù)中的模式。本文介紹用Python進行無監(jiān)督學習的幾種聚類算法，包括K-Means聚類、分層聚類、t-SNE...

2018-05-27 標簽：聚類算法機器學習Python 3.1萬 0

一文讀懂TensorFlow（工作原理以及如何使用）

Tensorflow 發(fā)布已經(jīng)有三年，如今它已成為深度學習生態(tài)系統(tǒng)的基石。然而對于初學者來說它并不怎么簡單易懂，與 PyTorch 或 DyNet 這樣...

2018-07-01 標簽：機器學習pythontensorflow 2.9萬 0

Inception V2/V3/V4的發(fā)展歷程以及它們的網(wǎng)絡(luò)結(jié)構(gòu)和亮點

在機器學習中，我們通常會做一種假設(shè)：訓(xùn)練樣本獨立同分布(iid)且訓(xùn)練樣本與測試樣本分布一致，如果真實數(shù)據(jù)符合這個假設(shè)則模型效果可能會不錯，反之亦然，這...

2018-06-21 標簽：神經(jīng)網(wǎng)絡(luò)機器學習 2.8萬 0

KL散度在各領(lǐng)域不同的使用情況

近日，CMU的助理教授Simon DeDeo就在推特上表示：“用到KL散度的領(lǐng)域十分廣泛，包括心理學、認知學（epistemic）、熱力學、統(tǒng)計學、計算...

2018-05-14 標簽：機器學習大數(shù)據(jù) 2.7萬 0

對比深度學習和經(jīng)典機器學習，分別介紹這兩種技術(shù)的優(yōu)缺點

在小數(shù)據(jù)上能更好地工作：為了實現(xiàn)高性能，深度學習需要非常大的數(shù)據(jù)集。之前提到的預(yù)訓(xùn)練的網(wǎng)絡(luò)在120萬張圖像上進行了訓(xùn)練。對于許多應(yīng)用來說，這樣大的數(shù)據(jù)集...

2018-04-10 標簽：機器學習深度學習 2.7萬 0

TensorFlow Lite是TensorFlow針對移動和嵌入式設(shè)備的輕量級解決方案

TensorFlow Lite 目前處于開發(fā)人員預(yù)覽階段，因此可能不支持 TensorFlow 模型中的所有操作。但是它支持常見的圖像分類模型，包括 I...

2018-07-31 標簽：機器學習TensorFlowTensorFlow Lite 2.6萬 0

什么是神經(jīng)網(wǎng)絡(luò)？學習人工智能必會的八大神經(jīng)網(wǎng)絡(luò)盤點

神經(jīng)網(wǎng)絡(luò)是一套特定的算法，是機器學習中的一類模型，神經(jīng)網(wǎng)絡(luò)本身就是一般泛函數(shù)的逼近，它能夠理解大腦是如何工作，能夠了解受神經(jīng)元和自適應(yīng)連接啟發(fā)的并行計算...

2018-02-11 標簽：神經(jīng)網(wǎng)絡(luò)人工智能機器學習 2.6萬 0

幾種常見的用于回歸問題的機器學習算法

神經(jīng)網(wǎng)絡(luò)包含了許多互相連接的節(jié)點，稱為神經(jīng)元。輸入的特征變量經(jīng)過這些神經(jīng)元后變成多變量的線性組合，與各個特征變量相乘的值稱為權(quán)重。之后在這一線性結(jié)合上應(yīng)...

2018-08-22 標簽：神經(jīng)網(wǎng)絡(luò)機器學習 2.6萬 0

簡要解釋one hot編碼這一機器學習中極為常見的技術(shù)

其中，類別值是分配給數(shù)據(jù)集中條目的數(shù)值編號。比如，如果我們在數(shù)據(jù)集中新加入一個公司，那么我們會給這家公司一個新類別值4。當獨特的條目增加時，類別值將成比例增加。

2018-06-30 標簽：編碼器機器學習數(shù)據(jù)集 2.6萬 0