引入 监督学习的过程可以概括为：最小化误差的同时规则化参数。最小化误差是为了让模型拟合训练数据，规则化参数是为了防止过拟合。参数过多会导致模型复杂度上升，产生过拟合，即训练误...
发简信
IP属地：加州
-
L1,L2,L0区别，为什么可以防止过拟合 -
深入浅出最大似然估计（Maximum Likelihood Estimation）最大似然估计是利用已知的样本的结果，在使用某个模型的基础上，反推最有可能导致这样结果的模型参数值。 例子1：抽球 举个通俗的例子：假设一个袋子装有白球与红球，比例未知，现在抽...
-
@舞蹈丹 公式错了一点点 例子是对的 例子相当于没展开的形式 全在In里面
深入浅出最大似然估计（Maximum Likelihood Estimation）
最大似然估计是利用已知的样本的结果，在使用某个模型的基础上，反推最有可能导致这样结果的模型参数值。 例子1：抽球 举个通俗的例子：假设一个袋子装有白球与红球，比例未知，现在抽...
-
评论较多，简书回复也不太方便，如有问题麻烦关注下面的公众号，加入我的微信群一起讨论。公众号ID：小小挖掘机
-
理解 LSTM 网络作者： Christopher Olah （OpenAI）译者：朱小虎 Xiaohu (Neil) Zhu（CSAGI / University AI）原文链接：https:...
-
GBDT（MART） 迭代决策树简介
GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一种迭代的...
-
xgboost的原理没你想像的那么难xgboost 已然火爆机器学习圈，相信不少朋友都使用过。要想彻底掌握xgboost，就必须搞懂其内部的模型原理。这样才能将各个参数对应到模型内部，进而理解参数的含义，根据需...
-
三个臭皮匠赛过诸葛亮----集成学习算法
转自：https://www.cnblogs.com/wxquare/p/5440664.html有删改 姓名：梁祥学号：17021210935 【嵌牛导读】：泛化能力是机器...
-
强 解释得恰到好处
三个臭皮匠赛过诸葛亮----集成学习算法
转自：https://www.cnblogs.com/wxquare/p/5440664.html有删改 姓名：梁祥学号：17021210935 【嵌牛导读】：泛化能力是机器...
-
-
-
-
爱卡不卡 | 你的“孤傲”推开了多少人？01 以前，当我们表现得不耐烦，连声应着“知道了知道了！”，母亲就知道自己有点“唠叨”。可好像就是管不住自己的嘴。 在孩子面前，总是这个不行，那个不能做，应该如何如何之类的。...
