码迷,mamicode.com
首页 >  
搜索关键字:样本    ( 4292个结果
[pytorch][持续更新]pytorch踩坑汇总
1. BN层不能少于1张图片 问题分析 : 模型中用了batchnomolization,训练中用batch训练的时候,应该是有单数,比如dataset的总样本数为17,batch_size为8,就会报这样的错误。 解决方案 : 1. 将dataloader的一个丢弃参数设置为true 2. 手动舍 ...
分类:其他好文   时间:2020-05-07 13:41:19    阅读次数:83
分类与监督学习,朴素贝叶斯分类算法
1.理解分类与监督学习、聚类与无监督学习。 简述分类与聚类的联系与区别。 简述什么是监督学习与无监督学习。 分类与聚类都是分开几类,分类是根据历史经验,已知类别,监督学习,聚类是自己分析现有数据,无监督学习 监督学习利用历史数据分类,把已有数据代入。无监督学习是没有样本,将已有数据分类 2.朴素贝叶 ...
分类:编程语言   时间:2020-05-07 13:26:39    阅读次数:72
基本术语
要进行机器学习,先要有数据记录这组记录的集合称为一个"数据集“ 每条记录是关于一个事件或对象的描述 称为"示例" (instance) 或"样本" (samp1e). (色泽=浅自;根蒂t硬挺;敲声=清脆) 反映事件或对象在某方面的表现或性质的事项(例如"色泽""根蒂" "敲声") 称为 属性 或" ...
分类:其他好文   时间:2020-05-07 10:42:10    阅读次数:96
02 . Prometheus告警处理
Prometheus告警简介 告警能力在Prometheus的架构中被划分成两个独立的部分。如下所示,通过在Prometheus中定义AlertRule(告警规则),Prometheus会周期性的对告警规则进行计算,如果满足告警触发条件就会向Alertmanager发送告警信息。 在Promethe ...
分类:其他好文   时间:2020-05-07 09:15:29    阅读次数:64
第四章 线性判据与回归
线性判据与回归 线性判据基本概念 生成模型 给定训练样本{$x_n$},直接在输入空间内学习其概率密度函数p(x) 优势 可以根据p(x)采样新的样本数据(synthetic data) 可以检测出较低概率的数据,实现离群点检测(outlierdetection) 劣势 高维下,需要大量的训练样本才 ...
分类:其他好文   时间:2020-05-05 23:48:31    阅读次数:97
多元线性回归问题(Tensorflow 求解)
多元线性回归问题求解使用的数据集是经典的boston房价数据。一共506个数据,后面56个数据我将其划了出来作为测试集。比较的简单,主要是学习步骤与算法。该数据集每一个样本包括12个特征变量和该地区的平均房价。 1 import tensorflow as tf 2 import matplotli ...
分类:其他好文   时间:2020-05-04 15:34:02    阅读次数:82
SVM个人推导
SVM问题 SVM解决二分类问题,初始有一些点$X = [x_1, x_2, ..., x_n]$, 每一个点对应一个类别$y = 1 \quad or \quad y = 1$, SVM在高维空间中找一个超平面将样本点尽可能分开,而且分的时候是找一个间隔最大化的分离超平面。 最简单的情形的公式 原 ...
分类:其他好文   时间:2020-05-04 13:25:22    阅读次数:49
深度学习模型训练过程
深度学习模型训练过程 一.数据准备 1. 基本原则: 1)数据标注前的标签体系设定要合理 2)用于标注的数据集需要无偏、全面、尽可能均衡 3)标注过程要审核 2. 整理数据集 1)将各个标签的数据放于不同的文件夹中,并统计各个标签的数目 2)样本均衡,样本不会绝对均衡,差不多就行了 3)切分样本集 ...
分类:其他好文   时间:2020-05-03 20:19:25    阅读次数:462
LDA(线性判别分析)【python实现】
原理 求解最佳投影方向,使得同类投影点尽可能的进,异类投影点尽可能的远 同类投影点距离用同类样本协方差矩阵表示 $$ \omega^T \Sigma_i \omega \quad {第i类样本协方差}$$ 异类投影点距离 $$ ||\omega^T\mu_0 \omega^T\mu_1||_2^2$ ...
分类:编程语言   时间:2020-05-03 20:11:23    阅读次数:80
Logisitic Regression(对率回归/逻辑回归)【python实现】
名为回归,其实为一种分类算法 数据集: $$D = \lbrace x_i, y_i \rbrace i = 1, 2 , ..., n$$ 其中 $$x_i = (x_{i1}; x_{i2}; ...; x_{im})$$ 即每个样本有m个属性 $$ y_i = \begin{cases} 1 ...
分类:编程语言   时间:2020-05-03 01:04:17    阅读次数:80
4292条   上一页 1 ... 23 24 25 26 27 ... 430 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!