发简信
IP属地：上海
-
机器学习笔记（六）—— 梯度下降
梯度下降 批量梯度下降（Batch Gradient Descent，BGD） 批量梯度下降法是最原始的形式，它是指在每一次迭代时使用所有样本来...
-
caffe（CPU版）安装
这是很早以前参考的笔记。 原链接：https://blog.csdn.net/u014106566/article/details...
-
机器学习笔记（五）——激活函数激活函数区别和作用 本质： 激活函数是来向神经网络中引入非线性因素，通过激活函数，神经网络就可以拟合各种曲线。 在神经网络中，我们经...
-
机器学习笔记（四）——模型选择模型选择问题 在机器学习中，通常需要评估若干候选模型的表现并从中选择模型。这一过程称为模型选择（model selection）。形式化...
-
机器学习笔记（二）——过拟合过拟合问题 欠拟合：根本原因是特征维度过少，模型过于简单，导致拟合的函数无法满足训练集，误差较大；解决方法：增加特征维度，增加训练数据；过拟合：...
-
机器学习笔记（一）——交叉验证交叉验证问题 什么是交叉验证 交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证，顾名思义，就是重复的使用数据，把得到的样...