均值：\(\bar x=\frac{1}{N} \sum_{i=1}^N x_i\) 方差：\(S^2 = \frac{1}{N-1}\sum_{i=1}^N(x_i-\bar x)^2\) 协方差：\(Cov(X,Y)=E[(X-E(X))(Y-E(Y))]=\frac{1}{N-1}\sum_{ ...
分类：
其他好文 时间：
2020-07-11 17:41:45
阅读次数：
41
BN解决方差漂移理论 训练集的数据分布和预测集的数据分布不一致，这样的情况下如果我们在训练集上训练出一个分类器，肯定在预测集上不会取得比较好的效果。这种训练集和预测集样本分布不一致的问题就叫做“covariate shift”现象 训练集和测试集的数据分布不一致，因此训练出来的模型是没有泛化能力的 ...
分类：
其他好文 时间：
2020-07-10 19:12:42
阅读次数：
45
一、高斯函数 1. 一维高斯函数 对于任意的实数a,b,c，是以著名数学家Carl Friedrich Gauss的名字命名的。高斯的一维图是特征对称“bell curve”形状，a是曲线尖峰的高度，b是尖峰中心的坐标，c称为标准方差，表征的是bell钟状的宽度。 2. 二维高斯函数 A是幅值，x。 ...
分类：
其他好文 时间：
2020-07-09 12:23:08
阅读次数：
57
交叉熵损失函数 交叉熵的几种表达形式 Binary CrossEntropy Categorical CrossEntropy 对数似然函数与交叉熵的关系 均方误差与交叉熵误差(sigmoid为激活函数) 均方误差(MSE)与梯度更新 交叉熵误差与梯度更新 对比与结论 多分类交叉熵函数的梯度更新(s ...
分类：
其他好文 时间：
2020-07-08 19:48:06
阅读次数：
99
定义：假设有很多组采样点，每组采样点都拟合一次模型，得到若干组模型。选定某个特征值（非训练集），根据训练出的多个模型会产生多个预测值。这些预测值的平均值和真实值之间的差值代表模型的偏差（bias）；预测值的方差（variance）代表模型的方差。 用图表表示如下： ...
分类：
其他好文 时间：
2020-07-08 19:46:42
阅读次数：
55
打靶场上来了4个枪手，开始打靶，PIAPIAPIA……一阵枪响，不一会儿，打靶成绩出来了。以下是4位抢手的打靶结果： 不难看出，第一位抢手打的又准，而且稳定性也好，把把命中红星。第二位枪手惨不忍睹，打的又偏，而且又毫无章法。第三位抢手准度一般，好在稳定性还不错，只要提升下准度，还是可以抢救一下。第四 ...
分类：
其他好文 时间：
2020-07-08 01:42:36
阅读次数：
73
我们在做A/B试验评估的时候需要借助p_value,这篇文章记录如何利用python计算两组数据的显著性。 一、代码 # TTest.py # -*- coding: utf-8 -*- ''' # Created on 2020-05-20 20:36 # TTest.py # @author: ...
分类：
编程语言 时间：
2020-07-07 13:04:33
阅读次数：
176
正态分布： 若随机变量x服从有个数学期望为μ,方差为σ2 的正态分布，记为N(μ,σ) 其中期望值决定密度函数的位置，标准差决定分布的幅度，当υ=0，σ=0 时的正态分布是标准正态分布 判断方法有画图/k-s检验 画图： #导入模块 import numpy as np import pandas ...
分类：
编程语言 时间：
2020-07-06 13:18:36
阅读次数：
323
x=np.arange(1,13,1) y=np.array([17, 19, 21, 28, 33, 38, 37, 37, 31, 23, 19, 18 ]) plt.plot(x,y) plt.show() 可以看出温度是以周期为12的正弦函数 #构建函数y=a*sin(x*pi/6+b)+c ...
分类：
其他好文 时间：
2020-07-02 13:18:06
阅读次数：
68
使用预训练模型可以帮助其他复现者有效达到论文结果，将下载好的模型放入指定文件夹 高/低方差：预测值的变化范围 高/低偏差：预测值和真实值间的差距，偏差越大，越偏离真实数据 训练要求：低偏差，低方差，这样预测准确率较高，并且模型鲁棒性较好 ground truth 有人将所有标注数据都叫做 groun ...
分类：
其他好文 时间：
2020-07-01 22:15:02
阅读次数：
57
