标签:ML

12 篇文章

机器学习-过拟合的诊断与预防
我下面的总结是根据吴恩达视频针对线性回归的过拟合问题,神经网络部分还未学。关于更全面的见其他大神所写的:机器学习中防止过拟合的处理方法 – 一只鸟的天空 1. 过拟合的诊断 吴恩达视频第10章《Advice for applying machine learning》,讲述的是关于模型的诊断,里面详细讲述了过拟合以及此情况下的误差曲线,见下图fig…
tf.keras入门-训练MNIST
# 多输出 from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = "all" MNIST数据集手写数字识别。 下面例子都使用 tensorflow.keras,作为初学者还是先从 keras 学起。 官…
激活函数
1. 激活函数 下面资料来自于 英文wiki Activation function,我只是 Google 翻译了。 激活函数应有的特性: 非线性 - 当激活函数是非线性的时,则可以证明双层神经网络是通用函数逼近器。恒等激活函数不满足这个属性,当多个层使用恒等激活函数连接时,整个网络就近似于一个单层的模型。 值域 - 当激活函数值域是有限的时,基于…
Scikitlearn – LogisticRegression
LogisticRegression不同正则化方法、正则化强度、求解器与多分类方法的简单比较与总结 1. 数据处理 1.1 导入数据 from sklearn.datasets import load_iris import numpy as np data = load_iris() # 输入参数: return_X_y=True 时, 只返回d…
机器学习-生成多项式特征
生成多项式特征 在机器学习中,通过增加一些输入数据的非线性特征来增加模型的复杂度通常是有效的。一个简单通用的办法是使用多项式特征,这可以获得特征的更高维度和互相间关系的项。这在 PolynomialFeatures 中实现: X 的特征已经从 $(X_1, X_2)$ 转换为 $(1, X_1, X_2, X_1^2, X_1X_2, X_2^2)…