机器学习中至关重要的问题就是如何衡量模型的泛化能力，泛化能力的强弱直接度量了算法是否学习到了对任务真正重要的特征。 在深度学习中，防止过拟合更是...

在 Why Deep Structure 一文中我已经说明了 Deep Structure 的表示能力很强，以及相比 Shallow Struc...

1、Can shallow network fit any function? 为什么我们需要深度学习呢？ 所谓深度学习，就是用层数较多的神经网...

Meta Learning就是元学习，所谓元学习，就是学习如何去学习。这个概念放在机器学习当中就是我们希望找到一个算法可以帮助我们找到一个好的学...

Life Long Learning直译过来就是终身学习，什么叫终身学习呢？我们人类在做的事情其实就是终身学习，从小到大，我们的视觉系统会不断接...

迁移学习就是把已经训练好的模型、参数，迁移至另外的一个新模型上使得我们不需要从零开始重新训练一个新model。 举例来说，我们可以train好一...

我们知道监督学习就是使用带标签的数据进行学习，无监督学习就是使用无标签的数据进行学习，那么顾名思义，半监督学习就是使用的数据集中有部分数据带标签...

Explainable Machine Learning意为可解释的机器学习。顾名思义，就是说我们的机器学习模型不仅能够给出正确结果，还要给出理...

DNN的整个步骤流程如图所示。NN和很多经典机器学习模型（如KNN、SVM）不同，它经过训练后在训练集上的表现未必会很好，这是因为它优化的损失函...