99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀機器學(xué)習(xí)中的基礎(chǔ)知識（深入上篇）
機器學(xué)習(xí)中的基礎(chǔ)知識（深入上篇）
2019-02-16
收藏


機器學(xué)習(xí)的知識有很多，我們在前面的文章中講述的都是相對比較簡單的知識，想必那些已經(jīng)讓大家頭疼不已吧？在這篇文章中我們給大家介紹一下機器學(xué)習(xí)中深層次的知識。大家跟著小編學(xué)起來吧。


（1）層就是神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元序列，可以處理輸入特征序列或神經(jīng)元的輸出。也是 TensorFlow 的一種抽象化概念。層是將張量和配置選項作為輸入、輸出其他張量的 Python 函數(shù)。一旦必要的張量出現(xiàn)，用戶就可以通過模型函數(shù)將結(jié)果轉(zhuǎn)換成估計器。

（2）學(xué)習(xí)率就是通過梯度下降訓(xùn)練模型時使用的一個標量。每次迭代中，梯度下降算法使學(xué)習(xí)率乘以梯度，乘積叫作 gradient step。學(xué)習(xí)率是一個重要的超參數(shù)。

（3）均方誤差就是每個樣本的平均平方損失。MSE 可以通過平方損失除以樣本數(shù)量來計算。TensorFlow Playground 展示訓(xùn)練損失和測試損失的值是 MSE。

（4）模型就是機器學(xué)習(xí)系統(tǒng)從訓(xùn)練數(shù)據(jù)中所學(xué)內(nèi)容的表示。該術(shù)語有多個含義，包括以下兩個相關(guān)含義，第一個含義就是TensorFlow 圖，顯示如何計算預(yù)測的結(jié)構(gòu)。第二個含義就是TensorFlow 圖的特定權(quán)重和偏差，由訓(xùn)練決定。

（5）模型訓(xùn)練就是確定最佳模型的過程。

（6）動量就是一種復(fù)雜的梯度下降算法，其中的學(xué)習(xí)步不只依賴于當(dāng)前步的導(dǎo)數(shù)，還依賴于先于它的步。動量包括隨著時間計算梯度的指數(shù)加權(quán)移動平均數(shù)，類似于物理學(xué)中的動量。動量有時可以阻止學(xué)習(xí)陷于局部最小值。

（7）多類別就是在多于兩類的類別中進行分類的分類問題。

（8）NaN trap就是訓(xùn)練過程中，如果模型中的一個數(shù)字變成了 NaN，則模型中的很多或所有其他數(shù)字最終都變成 NaN。NaN 是「Not a Number」的縮寫。

（9）負類就是在二元分類中，一個類別是正類，另外一個是負類。正類就是我們要找的目標，負類是另外一種可能性。

（10）神經(jīng)網(wǎng)絡(luò)該模型從大腦中獲取靈感，由多個層組成，其中至少有一個是隱藏層，每個層包含簡單的連接單元或神經(jīng)元，其后是非線性。

（11）神經(jīng)元神經(jīng)網(wǎng)絡(luò)中的節(jié)點，通常輸入多個值，生成一個輸出值。神經(jīng)元通過將激活函數(shù)應(yīng)用到輸入值的加權(quán)和來計算輸出值。


這篇文章我們給大家介紹了很多機器學(xué)習(xí)中深入的內(nèi)容，這些內(nèi)容都是需要我們了解之前的知識才能夠理解這些內(nèi)容，所以大家不要偷懶或投機喲，要一個步驟一個腳印地來，這樣才能鞏固堅實的基礎(chǔ)儲備。希望這篇文章能夠給大家?guī)韼椭?

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個參數(shù)驗證碼對象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務(wù)器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }