召回率表示的是样本中的某类样本有多少被正确预测了。比如对与一个分类模型，A类样本包含A0个样本，预测模型分类结果是A类样本中有A1个正样本和A2个其他样本，那么该分类模型的召回率就是 A1/A0,其中 A1+A2=A0 准确率表示的是所有分类中被正确分类的样本比例，比如对于一个分类模型，样本包含A和 ...
分类：
其他好文 时间：
2020-03-22 22:28:21
阅读次数：
106
有人说，人的一生其实就是苦练七十二变，笑对八十一难。 这也是西游记这部电视剧带给我们的人生启示。 这世界，最难还的是人情，你多学一样本事傍身，就可以少说一句求人的话。 这世界，最难做到的是坚持，现在不狠心，将来就伤心，现在不努力，将来依然不会满意。 没有人，能够帮你一辈子。你想倒下，没人会扶你，你想 ...
分类：
其他好文 时间：
2020-03-22 01:16:09
阅读次数：
126
理论上讲线性回归模型既可以用于回归，也可以用于分类。解决回归问题，可以用于连续目标值的预测。但是针对分类问题，该方法则有点不适应，因为线性回归的输出值是不确定范围的，无法很好的一一对应到我们的若干分类中。即便是一个二分类，线性回归+阈值的方式，已经很难完成一个鲁棒性很好的分类器了。为了更好的实现分类 ...
分类：
编程语言 时间：
2020-03-21 18:33:18
阅读次数：
89
超参数调优方法 网格搜索 通过查找搜索范围内的所有的点来确定最优值。如果采用较大的搜索范围以及较小的步长，网络搜索有很大概率找到全局最优值。然而，这种搜索方案十分消耗计算资源和时间，特别是需要调优的超参数比较多的时候，因此，在实际应用中，网格搜索法一般会使用较广的搜索范围和步长，来寻找全局最优值可能 ...
分类：
其他好文 时间：
2020-03-21 17:58:26
阅读次数：
67
原理性的参见技术博客： 一文读懂生成对抗网络（GANs） 这里只记录下来对设计思路的进一步认知 首先要理解 什么叫最终目标是输出样本以假乱真？ 首先输出样本不是真样本容易理解，同时输出样本是假样本，但是这些假样本可以达到判别器无法判断，即真假概率同为0.5的效果 然后训练出来的样本达到真假平衡的效果 ...
分类：
其他好文 时间：
2020-03-19 21:59:42
阅读次数：
63
简介 统计学习，或者说机器学习的方法主要由监督学习、无监督学习和强化学习组成（它们是并列的，都属于统计学习方法）。 统计学习方法要素 1、假设数据独立同分布。（同数据源的不同样本之间相互独立） 2*、假设要学习的模型属于某个函数的集合，称为假设空间。（你确定了这个函数的样式，就是假设空间，但是函数里 ...
分类：
其他好文 时间：
2020-03-18 20:20:51
阅读次数：
103
letter_recog.cpp是ml.hpp的最佳案例，可以解读出样本集、机器学习的内容，所以写了两篇博客。 ml.hpp的整体理解，请拜读大神的文章，多读几遍。 【样本集】 1、文件的读取、保存，推荐用load()、save()，而不是read()、write()。 2、样本集有data（数据集 ...
分类：
其他好文 时间：
2020-03-17 19:07:57
阅读次数：
128
手写数字识别数据集minist 手写数字识别是一个典型的多分类问题，输入一个样本，输出识别结果。样本的类别数为10类，分别代表0~10这十个数字，其中，分类器的输入是一张包含单个数字的图片，输出为一个十维的向量，有且只有一维为1，其余为0。表示输入样本将会被唯一分类到一个类别当中，即被唯一地识别为某 ...
分类：
编程语言 时间：
2020-03-17 13:49:17
阅读次数：
108
SQL AVG() 函数 AVG() 函数 AVG() 函数返回数值列的平均值。 SQL AVG() 语法 SELECT AVG(column_name) FROM table_name 演示数据库 在本教程中，我们将使用 RUNOOB 样本数据库。 下面是选自 "access_log" 表的数据： ...
分类：
数据库 时间：
2020-03-16 09:51:08
阅读次数：
56
SVM(support vector machine)支持向量机. 1 间隔与支持向量 + 样本集 $D=\{(x_1, y_1), \cdots, (x_m, y_m)\}$, 其中 $x_i\in \mathbb{R}^d, y_i\in\{ 1, 1\}, i=1,\cdots,m$. + 划 ...
分类：
其他好文 时间：
2020-03-15 22:29:19
阅读次数：
82
