一、高斯核函数、高斯函数 μ：期望值，均值，样本平均数；（决定告诉函数中心轴的位置：x = μ） σ2：方差；（度量随机样本和平均值之间的偏离程度：， 为总体方差， 为变量， 为总体均值， 为总体例数） σ：标准差；（反应样本数据分布的情况：σ 越小高斯分布越窄，样本分布越集中；σ 越大高斯分布越宽 ...
分类：
其他好文 时间：
2018-08-13 19:38:54
阅读次数：
2933
1.激活函数： 2.超参数：是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。通常情况下，需要对超参数进行优化，给学习机选择一组最优超参数，以提高学习的性能和效果 3.特征提取： 特征工程：若出现特征为字符串类型则使用独热编码 良好特征具备的特性：1.特征值应以非零值的形式在数据集中多 ...
分类：
编程语言 时间：
2018-07-26 18:48:57
阅读次数：
152
1. 引言 当我们跑机器学习程序时，尤其是调节网络参数时，通常待调节的参数有很多，参数之间的组合更是繁复。依照注意力>时间>金钱的原则，人力手动调节注意力成本太高，非常不值得。For循环或类似于for循环的方法受限于太过分明的层次，不够简洁与灵活，注意力成本高，易出错。本文介绍sklearn模块的G ...
分类：
编程语言 时间：
2018-07-23 11:18:30
阅读次数：
535
如何用textgenrnn处理中文 1. 什么是textgenrnn? textgenrnn是建立在Keras和TensorFlow之上的，可用于生成 和`词级别`文本。网络体系结构使用注意力加权来加速训练过程并提高质量，并允许调整大量超参数，如RNN模型大小、RNN层和双向RNN。对细节感兴趣的读 ...
分类：
其他好文 时间：
2018-07-22 19:20:16
阅读次数：
278
No.1. kNN算法中需要传入一个参数k，这个参数k的作用之前提到过，它就是指距离待预测数据最近的前k个数据，这个参数k的具体大小应该如何选择？超参数问题就是描述的这类问题。 No.2. 所谓"超参数"，就是指在算法运行之前需要进行指定的参数；与"超参数"向对应的是"模型参数"，"模型参数"是在算 ...
分类：
其他好文 时间：
2018-07-18 23:33:57
阅读次数：
190
3.1调试处理 （1）不同超参数调试的优先级是不一样的，如下图中的一些超参数，首先最重要的应该是学习率α（红色圈出），然后是Momentum算法的β、隐藏层单元数、mini-batch size（黄色圈出）、再之后是Layer、learning rate decay（紫色圈出）、最后是Adam算法中 ...
分类：
其他好文 时间：
2018-07-14 14:48:34
阅读次数：
169
序 SVM支持向量机作为统计分类和回归分析中的重要方法，其理论推导难度较大，根据自己查阅的相关资料，按照问题理解、待处理数据是否可分的判断、主要推导过程、核函数的选择及推导、核函数的选择原则、python实现的相关方法、超参数调优等内容，以粗线条的方式，总结如下要点，方便查阅和易于理解： 1.问题分 ...
分类：
其他好文 时间：
2018-07-06 12:20:36
阅读次数：
149
KNN 算法介绍： 缺点： 对一个算法的掌握无非知其然，也知其所以然 使用scikit中的KNN： 自己实现KNN 分类器: 调用： 超参数和模型参数： 如何寻找好的超参数 明可夫斯基距离 当p的值为1时，则是曼哈顿距离，当p为2时则是欧拉距离 数据归一化： 测试数据归一化 使用StandardSc ...
分类：
其他好文 时间：
2018-07-06 01:32:46
阅读次数：
236
流程：模型族->算法族->深度网络->深度学习 模型族：模型中含有超参数，给予不同的参数对应不同的模型，就形成了模型族 算法族：每一个模型对应一个完整算法，整个模型族对应了一个算法族 将算法族展开成一个深度网络，网络层数代表迭代次数，模型的超参数成为网络中的参数（如权重等）。利用少量标记数据就可以训 ...
分类：
Web程序 时间：
2018-06-16 16:18:21
阅读次数：
2380
一 、超参数和模型参数 超参数：在算法运行前需要决定的参数 模型参数：算法运行过程中学习的参数 - kNN算法没有模型参数- kNN算法中的k是典型的超参数 寻找好的超参数 领域知识 经验数值 实验搜索 二、通过sklearn中的数据集进行测试 输出结果：0.9888888888888889 三、考 ...
分类：
其他好文 时间：
2018-06-07 14:03:56
阅读次数：
212
