一、损失函数 深度学习中，常用的损失函数为均方误差和交叉熵，分别对应回归和分类问题，其实深度学习的损失函数和机器学习的损失函数差不多，是一致的，均方误差就相当于最小二乘，交叉熵其实是一种特殊的对数损失函数形式，这里不再赘述。 二、激活函数 是深度学习特有的。 关于激活函数，首先要搞清楚的问题是，激活 ...
分类：
其他好文 时间：
2017-02-09 17:21:01
阅读次数：
973
K-L变换（ Karhunen-Loeve Transform）是建立在统计特性基础上的一种变换，有的文献也称为霍特林（Hotelling）变换，因他在1933年最先给出将离散信号变换成一串不相关系数的方法。K-L变换的突出优点是去相关性好，是均方误差（MSE，Mean Square Error）意 ...
分类：
其他好文 时间：
2016-12-23 01:40:23
阅读次数：
260
2.3性能度量2.3.1 回归任务中的性能度量均方误差2.3.2 分类任务中的性能度量精度 acc =（TP+TN）/（TP+FN+FP+TN）错误率E =（FN+FP）/（TP+FN+FP+TN）准确率 P = TP/（TP+FP） 挑出的好瓜占挑出的西瓜的比例召回率 R = TP/（TP+FN）... ...
分类：
其他好文 时间：
2016-12-10 13:03:53
阅读次数：
252
Basis(基础)： MSE(Mean Square Error 均方误差)，LMS(LeastMean Square 最小均方)，LSM(Least Square Methods 最小二乘法)，MLE(MaximumLikelihood Estimation最大似然估计)，QP(Quadratic ...
分类：
编程语言 时间：
2016-11-14 09:41:30
阅读次数：
306
线性回归是指，试图学得一个线性模型以尽可能准确的预测实值输出标记。 最小二乘法：基于均方误差最小化来进行模型求解的方法。 通过变成实现最小二乘法（可能不是最简化的，有待提高编程能力） ...
分类：
编程语言 时间：
2016-10-18 23:01:34
阅读次数：
208
常用的数据挖掘&机器学习知识(点) Basis(基础)： MSE(MeanSquare Error 均方误差)，LMS(Least MeanSquare 最小均方)，LSM(Least Square Methods 最小二乘法)，MLE(Maximum LikelihoodEstimation最大似 ...
分类：
系统相关 时间：
2016-05-22 13:54:55
阅读次数：
395
Basis(基础)：MSE(Mean Square Error 均方误差)，LMS(LeastMean Square 最小均方)，LSM(Least Square Methods 最小二乘法)，MLE(MaximumLikelihood Estimation最大似然估计)，QP(Quadratic Programming 二次规划)， CP(Conditional Probability条件概率)，...
分类：
编程语言 时间：
2016-05-07 07:58:05
阅读次数：
237
Basis(基础)： MSE(Mean Square Error 均方误差)，LMS(LeastMean Square 最小均方)，LSM(Least Square Methods 最小二乘法)，MLE(MaximumLikelihood Estimation最大似然估计)，QP(Quadratic ...
分类：
其他好文 时间：
2016-05-05 07:02:42
阅读次数：
180
Basis(基础)：MSE(Mean Square Error 均方误差)，LMS(LeastMean Square 最小均方)，LSM(Least Square Methods 最小二乘法)，MLE(MaximumLikelihood Estimation最大似然估计)，QP(Quadratic ...
分类：
其他好文 时间：
2015-10-11 00:28:07
阅读次数：
243
