首页
首页
沸点
课程
直播
活动
竞赛
商城
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
极品小學生
掘友等级
大二学生
|
Google
获得徽章 1
动态
文章
专栏
沸点
收藏集
关注
作品
赞
206
文章 205
沸点 1
赞
206
返回
|
搜索文章
极品小學生
大二学生 @Google
·
11月前
关注
检查一个二叉树是否为左右子树上的镜像。
检查一个二叉树是否为左右子树上的镜像是二叉树遍历的常见问题。这个问题的解决可以通过递归算法实现。在解决这个问题之前,我们需要先了解什么是二叉树的镜像。 一个二叉树的镜像是指...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
什么是随机森林?为什么朴素贝叶斯效果更好?
随机森林(Random Forest, RF)是一种集成学习算法,通过组合多个决策树来提高分类或回归预测的准确性。尤其在大数据环境下,随机森林被广泛应用于图像识别、自然语言...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
K-mean与高斯混合模型:K-means算法和EM算法的差别在哪里
K-means算法和EM算法(Expectation Maximization,期望最大化)都是聚类算法,用于将数据集中的数据分为不同的类别。其中,K-means算法属于硬...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
使用高斯混合模型时,怎样判断它适用与否?(正态分布).
高斯混合模型是一种基于多元高斯分布的统计模型,可以用来对数据进行建模和分类。它通常假设存在多个高斯分布组成了观测数据,每个混合成分对应一个高斯分布,并且这些成分的权重系数和...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
什么是优化函数?
优化函数是深度学习中一个重要的组成部分。深度学习基于反向传播算法,通过调整神经网络中的参数来优化模型以最小化损失函数。而优化函数则是指用于训练深度学习模型的一种数学算法,其...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
什么是dropout层,为什么要用dropout层?
Dropout层是一种用于神经网络中的正则化技术,旨在减少过拟合现象的发生。它的原理是在训练过程中,随机地将一些神经元的输出设置为零,从而“丢弃”它们。在下一次训练迭代中,...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
前馈神经网络和递归神经网络之间有什么区别?
前馈神经网络 (Feedforward Neural Networks, FNNs) 和递归神经网络(Recurrent Neural Networks, RNNs) 都是...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
WGAN解决了原始 GAN 中的什么问题
WGAN(Wasserstein GAN)是一种生成对抗网络(GAN)的变体,旨在解决原始 GAN 中的一些问题。具体而言,WGAN 解决了原始 GAN 中的训练不稳定和模...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
深度学习模型有哪些局限性?
深度学习模型是一种在人工智能领域非常强大的技术,已经被应用于图像识别、自然语言处理、语音识别等方面,并且在许多任务上都取得了优异的成绩。然而,深度学习模型也存在一些局限性,...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
ResNet的提出背景和核心理论
ResNet,即残差网络(Residual Network),是由何凯明等人于2015年提出的深度神经网络结构,被誉为深度学习中的里程碑之一,主要应用于图像识别、语音识别等...
1
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
LSTM是如何实现长短期记忆功能
长短期记忆网络(Long Short-Term Memory,LSTM)是一种常用于序列建模的深度学习模型,可以通过有效地捕获时序信息来提升数据建模的效果。与传统的循环神经...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
我知道校正R2或者F值是用来评估线性回归模型的。那用什么来评估逻辑回归模型
逻辑回归模型是用于分类问题的,与线性回归模型不同,因此不能使用相同的评估指标。在逻辑回归中,有几种不同的评估指标可用于评估模型的性能,下面介绍其中几种。 准确率(Accur...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
从方差、偏差角度解释 Boosting 和 Bagging
Bagging和Boosting是两种集成学习算法,它们通过组合多个基础模型来提高整体预测性能。而从方差和偏差的角度来解释Bagging和Boosting的作用,可得到更深...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
在k-means或kNN,我们是用欧氏距离来计算最近的邻居之间的距离。为什么不用曼哈顿距离?
在机器学习领域中,欧氏距离和曼哈顿距离是两种常见的距离度量方式。在K-means或kNN这些算法中,我们需要选择一种距离度量方式来计算最近邻居之间的距离。虽然欧氏距离通常是...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
Gradient boosting算法(GBM)和随机森林都是基于树的算法,它们有什么区别?
Gradient boosting算法(GBM)和随机森林都是常用的基于树的机器学习算法。它们在许多实际应用中都表现出色,但在某些情况下,其中一个可能比另一个更适合。本文将...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
真阳性率和召回有什么关系?写出方程式
真阳性率(True Positive Rate,TPR)和召回(Recall)都是用来衡量分类模型的性能指标。在二分类问题中,真阳性率是指分类器将正实例正确地判定为正实例的...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
什么是TF/IDF矢量化?
TF-IDF是一种用于文本挖掘和信息检索的常用技术,它可以将文本转换为向量表示,以便进行机器学习和自然语言处理。TF-IDF代表“Term Frequency-Invers...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
为什么Softmax非线性函数常常是复杂神经网络中的最后一个操作?
在深度学习中,Softmax函数是一个重要的非线性激活函数,常常被用于多分类问题。它可以将一个具有任意实数输出值的向量,在保持每个元素的相对大小关系不变的情况下归一化为一个...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
解释偏差-方差权衡,并为具有高偏差和低偏差的算法提供示例
在机器学习中,偏差和方差是两个重要的概念。偏差指的是模型在训练集上的表现与实际结果之间的差异,即模型的拟合能力。方差指的是模型在测试集上的表现与训练集上的表现之间的差异,即...
赞
评论
分享
极品小學生
大二学生 @Google
·
11月前
关注
什么是PCA,它能有什么帮助?
PCA(Principal Component Analysis,主成分分析)是一种常用的数据降维方法,通过将高维数据映射到低维空间,来发现数据的主要结构和特征。在机器学习...
赞
评论
分享
下一页
个人成就
文章被点赞
394
文章被阅读
16,097
掘力值
1,477
关注了
33
关注者
20
收藏集
1
关注标签
0
加入于
2022-06-29