1 #include 2 #include 3 #include 4 5 using namespace std; 6 7 // 代价函数的计算模型 8 struct CURVE_FITTING_COST 9 { 10 CURVE_FITTING_COST ( double x, double y ... ...
分类：
其他好文 时间：
2018-02-03 00:49:51
阅读次数：
527
仍旧不完全统计，边学边加 理论： Normalization Regularization 数据预处理 Normalization归一化 针对数据；Regularization正则化 针对代价函数 对internal covariate shift的解释 caffe: 模型描述中的各参数含义 sol ...
分类：
其他好文 时间：
2018-02-02 17:08:19
阅读次数：
139
?神经网络中权重 $w^{(l)}_{ij}$ 的改变将影响到一个个下一层，到达输出层，最终影响代价函数，使用最优化算法（梯度上升法、改进的随机梯度上升法），找到最佳拟合参数，将数据拟合到一 ...
分类：
其他好文 时间：
2018-01-27 11:25:47
阅读次数：
209
损失函数(Loss/Error Function): 计算单个训练集的误差 代价函数(Cost Function): 计算整个训练集所有损失之和的平均值 至于目标函数(Objective function)，字面一些，就是有某个（最优化）目标的函数，比如最优化这个目的。没有找到定义，个人理解，目标函 ...
分类：
其他好文 时间：
2018-01-20 21:22:52
阅读次数：
418
一、引言(Introduction) 1.1 欢迎 1.2 机器学习是什么？ 1.3 监督学习 1.4 无监督学习 二、单变量线性回归(Linear Regression with One Variable) 2.1 模型表示 2.2 代价函数 2.3 代价函数的直观理解I 2.4 代价函数的直观理 ...
分类：
其他好文 时间：
2018-01-17 00:42:58
阅读次数：
253
六、逻辑回归(Logistic Regression) 6.1 分类问题 6.2 假说表示 6.3 判定边界 6.4 代价函数 6.5 简化的成本函数和梯度下降 6.6 高级优化 6.7 多类别分类：一对多 七、正则化(Regularization) 7.1 过拟合的问题 7.2 代价函数 7.3 ...
分类：
其他好文 时间：
2018-01-17 00:38:29
阅读次数：
198
九、神经网络的学习(Neural Networks: Learning) 9.1 代价函数 9.2 反向传播算法 9.3 反向传播算法的直观理解 9.4 实现注意：展开参数 9.5 梯度检验 9.6 随机初始化 9.7 综合起来 9.8 自主驾驶 第5周 ===== 九、神经网络的学习(Neural ...
分类：
其他好文 时间：
2018-01-16 23:57:02
阅读次数：
203
(本文是根据 "neuralnetworksanddeeplearning" 这本书的第三章 "Improving the way neural networks learn" 整理而成的读书笔记，根据个人口味做了删减) 上一章，我们学习了改善网络训练的代价函数：交叉熵函数。今天要介绍神经网络容易遇 ...
分类：
Web程序 时间：
2018-01-07 16:05:48
阅读次数：
409
二、逻辑回归 1、代价函数 可以将上式综合起来为： 其中： 为什么不用线性回归的代价函数表示呢？因为线性回归的代价函数可能是非凸的，对于分类问题，使用梯度下降很难得到最小值，上面的代价函数是凸函数的图像如下，即y=1时： 可以看出，当趋于1，y=1，与预测值一致，此时付出的代价cost趋于0，若趋于 ...
分类：
编程语言 时间：
2017-12-15 20:52:50
阅读次数：
280
