文档地址：https://keras.io/layers/core/#dense Dense是这样的操作： 例子： 参数说明： units 一个正整数，表示输出的维度 activation 激活函数，如果不定义，则a(x)=x use_bias 这一层是否加bias kernel_initializ ...
分类：
其他好文 时间：
2019-06-04 19:31:36
阅读次数：
350
Regularizationfor Linear Regression and Logistic RegressionDefineunder-fitting 欠拟合(high bias)over-fitting 过拟合 (high variance):have too many features, ... ...
分类：
其他好文 时间：
2019-06-02 19:26:26
阅读次数：
110
特征选择 (feature_selection) Filter 1. 移除低方差的特征 (Removing features with low variance) 2. 单变量特征选择 (Univariate feature selection) Wrapper 3. 递归特征消除 (Recursi ...
分类：
其他好文 时间：
2019-05-27 13:29:37
阅读次数：
92
特征选择 (feature_selection) Filter 1. 移除低方差的特征 (Removing features with low variance) 2. 单变量特征选择 (Univariate feature selection) Wrapper 3. 递归特征消除 (Recursi ...
分类：
其他好文 时间：
2019-05-27 13:26:05
阅读次数：
100
1、定义：什么是LSTM？ 首先，我们知道最基础的神经网络是【全连接神经网络】，keras里为，dense层。Dense就是常用的全连接层，所实现的运算是output = activation(dot(input, kernel)+bias)。其中activation是逐元素计算的激活函数，kern ...
分类：
其他好文 时间：
2019-05-14 14:43:37
阅读次数：
741
neural networks 神经网络activation function 激活函数hyperbolic tangent 双曲正切函数bias units 偏置项activation 激活值forward propagation 前向传播feedforward neural network 前馈 ...
分类：
其他好文 时间：
2019-04-22 00:39:14
阅读次数：
152
Underfitting (欠拟合） Overfitting (过拟合） 解决拟合的方法 线性回归正则化 欠拟合/高偏差（high bias） 过拟合/高方差（high variance） 过拟合与欠拟合也可以用 Bias 与 Variance 的角度来解释，欠拟合会导致高 Bias ，过拟合会导致 ...
分类：
其他好文 时间：
2019-03-31 16:56:50
阅读次数：
269
1、R-FCN结构 适应全卷积化CNN结构，提出全卷积化设计 共享ResNet的所有卷积层 引入变换敏感性（Translation variance） 1、位置敏感分值图（Position-sensitive score maps） 特殊设计的卷积层 Grid位置信息+类别分值 2、位置敏感池化（P ...
分类：
其他好文 时间：
2019-03-07 10:24:39
阅读次数：
251
上述代码写后，trian loss 和 valid loss 一致都不怎么变化，好像神经网络完全没有在训练一样。这是因为每训练一次后，weight和bias都被重新初始化了。 ...
分类：
其他好文 时间：
2019-02-27 22:08:23
阅读次数：
276
函数说明： 1. PolynomialFeatures(degree=2, interaction_only=False, include_bias=False) 参数说明:degree=2,表示多项式的变化维度为2，即^2, interaction_only表示是否只使用a*b, include_ ...
分类：
其他好文 时间：
2019-01-25 20:00:28
阅读次数：
413
