起因： parser.add_argument("--label_smoothing", type=float, default=0.1, nargs="?", help="...
发简信
IP属地：海南
-
多分类任务中标签平滑 -
关于lightgbm处理category特征的理解
之前一直使用的集成回归树模型都是RF，Xgboost，GBDT这三个，其中RF是bagging思想，Xgboost和GBDT是boosting思想。但是在尝试了微软开源的Li...
-
从参数空间到函数空间理解GBDT+XGBoost内容摘要 泰勒公式 最优化方法梯度下降法牛顿法 从参数空间到函数空间从Gradient descend到Gradient boosting从Newton's method到N...
-
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...
-
Chapter 2.2 各种Loss Function的比较本小节介绍一些常见的loss函数 1. l1_loss&l2_loss 衡量预测值与真实值的偏差程度的最常见的loss： 误差的L1范数和L2范数 因为L1范数在误差接近0的...
-
Keras实现基于MSCNN的人群计数对图片中的物体进行计数是一个非常常见的场景，尤其是对人群或者车辆计数，通过计数我们可以获得当前环境的流量与拥挤状况。现有的人群计数方法通常可以分为两类：基于检测的方法和基于回...
-
Keras深度强化学习-- Policy Network与DQN实现最近在接触一些关深度强化学习(DRL)的内容，本文是学习DRL过程中对Demo的复现与理解。相关原理推荐李宏毅的Q-Learning强化学习和深度强化学习课程。 强化学习中有...
-
[高中生也能看懂的算法逻辑1] 下一个排列很多人都觉得学习算法，并木有什么卵用，因为觉得生活上用不到。然而开始学习编程的时候，学算法，到了高级工程师的时候，依然要学习算法。因为工程师对时间和空间的衡量尤为重要。这里教...
