贝叶斯正则化

吴恩达 改善深层神经网络：超参数调试、正则化以及优化

第一步理解数据划分对于一个需要解决的问题的样本数据，在建立模型的过程中，数据会被划分为以下几个部分：训练集（trainset）：用训练集对算法或模型进行训练过程；验证集（developmentset）：利用验证集（又称为简单交叉验证集，hold-outcrossvalidationset）进行交叉验证，选择出最好的模型；测试集（testset）：最后利用测试集对模型进行测试，获取模型运行的无偏估计
西部小笼包·2024-01-31 23:33

《机器人SLAM导航核心技术与实战》第1季：第7章_SLAM中的数学基础

视频讲解【第1季】7.2.第7章_SLAM中的数学基础_SLAM中的概率理论-视频讲解【第1季】7.3.第7章_SLAM中的数学基础_估计理论-视频讲解【第1季】7.4.第7章_SLAM中的数学基础_基于贝叶斯网络的状态估计
小虎哥哥爱学习·2024-01-31 09:02

机器学习：Logistic回归（Python）

logistic_regression_class2.pyimportnumpyasnpimportmatplotlib.pyplotaspltclassLogisticRegression:"""逻辑回归，采用梯度下降算法+正则化
捕捉一只Diu·2024-01-31 07:56

面向ChatGPT学AI?

深度学习中正则化的作用是什么？现在图像生成领域可以
fVector·2024-01-31 06:54

欠拟合和过拟合

本文介绍了欠拟合和过拟合的定义、产生原因以及正则化、正则化的分类；关键字：欠拟合过拟合正则化欠拟合和过拟合的定义欠拟合：一个假设在训练数据上不能获得更好的拟合，并且在测试数据集上也不能很好地拟合数据，此时认为这个假设出现了欠拟合的现象
谛君_是心动啊·2024-01-30 22:02

网络信息检索（九）文本分类与文本聚类

文章目录一、文本分类和聚类概述1：文本分类概述2：文本聚类概述二、文本分类1：分类的学习算法2：使用相关反馈（Rocchio）3：最近邻学习算法4：贝叶斯理论三、文本聚类1：K-Means一、文本分类和聚类概述
Ordinary_yfz·2024-01-30 22:22

《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第4章 朴素贝叶斯法

文章目录第4章朴素贝叶斯法4.1朴素贝叶斯法的学习与分类4.1.1基本方法4.1.2后验概率最大化的含义4.2朴素贝叶斯法的参数估计4.2.1极大似然估计4.2.2学习与算法4.2.3贝叶斯估计代码实践
北方骑马的萝卜·2024-01-30 14:25

《统计学习方法：李航》笔记 从原理到实现（基于python）-- 第1章 统计学习方法概论

统计学习的方法1.2.1基本概念1.2.2问题的形式化1.3统计学习三要素1.3.1模型1.3.2策略1.3.3算法1.4模型评估与模型选择1.4.1训练误差与测试误差1.4.2过拟合与模型选择1.5正则化与交叉验证
北方骑马的萝卜·2024-01-30 14:24

朴素贝叶斯原理分析及文本分类实战

朴素贝叶斯原理分析及文本分类实战1.什么是贝叶斯2.什么是朴素贝叶斯3.如何用朴素贝叶斯来进行文本分类问题1数据精度问题问题2log(0)得到负无穷问题4.程序设计1以单词为单位进行计数2以文本为单位进行计数
沪上小乔·2024-01-30 08:49

NLP学习笔记18-朴素贝叶斯(Naive Bayes)

本篇介绍朴素贝叶斯。二朴素贝叶斯2.1问题引出垃圾邮件里经常出现“广告”，“购买”，“产品”这些单词。
bohu83·2024-01-30 08:44

朴素贝叶斯(Naive Bayes)模型简介

朴素贝叶斯模型是一个简单却很重要的模型，在文本分类中，由于它出奇的简单实现和令人惊讶的表现，因此实际应用中，它都值得是第一个尝试的基准模型。本文接下来将从文本分类这个具体应用中介绍朴素贝叶斯模型。
Carl-Xie·2024-01-30 08:44

【NLP冲吖~】一、朴素贝叶斯（Naive Bayes）

0、朴素贝叶斯法朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。
漂泊老猫·2024-01-30 08:41

机器学习：正则化（Python）

regularization_linear_regression.pyimportnumpyasnpimportmatplotlib.pyplotaspltclassRegularizationLinearRegression:"""线性回归+正则化
捕捉一只Diu·2024-01-30 07:56

《SPSS统计学基础与实证研究应用精解》视频讲解：贝叶斯统计

《SPSS统计学基础与实证研究应用精解》2.7视频讲解视频为《SPSS统计学基础与实证研究应用精解》张甜杨维忠著清华大学出版社一书的随书赠送视频讲解2.7节内容。本书已正式出版上市，当当、京东、淘宝等平台热销中，搜索书名即可。本书旨在手把手教会使用SPSS撰写实证研究类论文或开展数据分析。常用统计学原理、实证研究的套路、调查问卷设计、信度分析、效度分析、T检验、ANOVA分析、相关性分析、回归分析
数据科学作家·2024-01-30 02:27

【转】深度学习中的正则化（Regularization）

转自：http://www.imooc.com/article/69484一、Bias（偏差）&Variance（方差）在机器学习中，这两个名词经常让我们傻傻分不清。我们不妨用案例来看看怎么区分。假设我们正在做一个分类器，分别在训练集和验证集上测试，以下为四种可能的情况：四种情况可见①、④两种情况的训练集误差都很小，接近optimalerror，这种就称为lowbias。说明训练的很到位了。相反，
是我真的是我·2024-01-29 19:59

用于遮挡人脸识别的局部感知通道丢弃

具体来说，我们首先采用空间正则化来鼓励每个特征通道响应局部和不同的面部区域。然后，局部感知通道丢失（LCD）：通过丢失一些特征通道来模拟遮挡，以丢弃受相同面部遮挡影响的一组激活。所提出的LCD可以鼓励
禄亿萋·2024-01-29 16:57

【机器学习】欠拟合与过拟合

（3）减少正则化参数，正则化的目的是用来防止过拟合，但是模型出现了欠拟合，则需要减少正则化
WEL测试·2024-01-29 16:36

【机器学习】正则化

正则化是防止模型过拟合的方法，它通过对模型的权重进行约束来控制模型的复杂度。正则化在损失函数中引入模型复杂度指标，利用给W加权值，弱化了数据的噪声，一般不正则化b。
惊雲浅谈天·2024-01-29 08:57

贝叶斯优化XGBoost回归预测（matlab）

贝叶斯优化XGBoost回归预测（matlab）想要更换数据，替换Excel数据即可运行代码中含有详细中文注释可代码定制！
树洞优码·2024-01-29 06:39

多维时序 | Matlab实现DBO-GRU蜣螂算法优化门控循环单元多变量时间序列预测

蜣螂算法优化门控循环单元多变量时间序列预测效果一览基本介绍程序设计参考资料效果一览基本介绍1.Matlab实现DBO-GRU蜣螂算法优化门控循环单元多变量时间序列预测；蜣螂算法优化GRU的学习率，隐藏层节点，正则化系数
机器学习之心·2024-01-29 05:34

多维时序 | Matlab实现DBO-LSTM蜣螂算法优化长短期记忆神经网络多变量时间序列预测

蜣螂算法优化长短期记忆神经网络多变量时间序列预测效果一览基本介绍程序设计参考资料效果一览基本介绍1.Matlab实现DBO-LSTM多变量时间序列预测，蜣螂算法优化长短期记忆神经网络；蜣螂算法优化LSTM的学习率，隐藏层节点，正则化系数
机器学习之心·2024-01-29 05:31

应用机器学习的建议

实际上你可以考虑先采用下面的几种方法：获得更多的训练实例尝试减少特征的数量尝试获得更多的特征尝试增加多项式特征尝试减少正则化程度尝试增加正则化程度我们不应该随机选择上面的某种方法来改进我们的算法，而是运用一些机器学习诊断法来帮
时间邮递员·2024-01-28 23:23

大数据期望最大化（EM）算法：从理论到实战全解析

文章目录大数据期望最大化（EM）算法：从理论到实战全解析一、引言概率模型与隐变量极大似然估计（MLE）Jensen不等式二、基础数学原理条件概率与联合概率似然函数Kullback-Leibler散度贝叶斯推断三
星川皆无恙·2024-01-28 23:22

《动手学深度学习(PyTorch版)》笔记4.7

首先，我们将重点放在带权重衰减（L2L_2L2正则化）的单隐藏层多层感知机上。4.7.1ForwardPropagation前向传播（forwardpropagation或forwa
南七澄江·2024-01-28 08:00

秋招机器学习面试题问题总结

4、L1正则化为什么能够得到稀疏解，L2为什么能够得到趋于0的解，它们的图像是怎样的？5、GBDT的损失函数是什么？6、SVM的损失函数是什么？如何推导SVM？为什么引入核函数，以及为什么叫核函数？
上岸的程序员·2024-01-28 07:14

计算机设计大赛 垃圾邮件(短信)分类算法实现 机器学习 深度学习

文章目录0前言2垃圾短信/邮件分类算法原理2.1常用的分类器-贝叶斯分类器3数据集介绍4数据预处理5特征提取6训练分类器7综合测试结果8其他模型方法9最后0前言优质竞赛项目系列，今天要分享的是垃圾邮件(
iuerfee·2024-01-28 04:39

条件概率、全概率和贝叶斯公式

目录1.条件概率1.1条件概率说明1.2举例说明1.3条件概率公式2.全概率公式2.1条件概率公式2.2一个特例公式2.3全概率公式的意义3.贝叶斯公式3.1贝叶斯公式的推导3.2贝叶斯公式一个特例3.3
紫色蜘蛛爬啊爬·2024-01-28 01:06

【MATLAB第93期】基于MATLAB的集成聚合多分类预测方法(Bag、Subspace、AdaBoost、LPBoost、RUSBoost、TotalBoost)含贝叶斯优化超参数和敏感性分析功能

【MATLAB第93期】基于MATLAB的集成聚合多分类预测方法(Bag、Subspace、AdaBoost、LPBoost、RUSBoost、TotalBoost)含贝叶斯优化超参数和敏感性分析功能往期参考文章
随风飘摇的土木狗·2024-01-27 23:25

Coursera吴恩达《深度学习》课程总结（全）

超参数调整，正则化诊断偏差和方差，高级优化算法，如Mo
双木的木·2024-01-27 20:03

深度学习(6)--Keras项目详解

绘制结果曲线并将结果保存到本地三.完整代码四.首次运行结果五.学习率对结果的影响六.Dropout操作对结果的影响七.权重初始化对结果的影响7.1.RandomNormal7.2.TruncatedNormal（推荐）八.正则化对结果
GodFishhh·2024-01-27 13:06

《动手学深度学习(PyTorch版)》笔记4.5

Chapter4MultilayerPerceptron4.5WeightDecay前一节我们描述了过拟合的问题，本节我们将介绍一些正则化模型的技术。我们总是可以通过去收集更多的训练
南七澄江·2024-01-27 06:03

贝叶斯概率学习笔记

条件概率之前发现自己不是很能记住条件概率的公式，然后上了课明白了可以这样：上面这个例子，要求的是在C条件下A发生的概率。怎么说好呢，其实条件概率基本的定义我是明白的，就是考虑的样本空间发生改变了嘛，但我没想到可以用这点来记忆，唉。也就是说，P(C)作为分母，其实就是(C)的意思。嘛，说到底就还不是以概率为考虑对象，而是以概率的定义作为考虑对象。独立事件就相当于这个公式变形后的进一步变形（因为A,C
feiyu66666·2024-01-27 03:03

朴素贝叶斯算法

贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单，也是常见的一种分类方法。
汪汪军师·2024-01-26 21:42

学习笔记-李沐动手学深度学习（四）（12-13，权重衰退、L2正则化、Dropout）

总结【trick】过拟合及正则化项参数的理解实际数据都有噪音，一般有噪音后，模型实际学习到的权重w就会比理论上w的最优解（即没有噪音时）大。
kgbkqLjm·2024-01-26 17:55

趣学贝叶斯统计：概率导论

目录前言贝叶斯统计概率假设数据与信念前言贝叶斯统计是统计学知识的基础。接下来的章节中我选用了教材《趣学贝叶斯统计：橡皮鸭、乐高和星球大战中的统计学》。
Ashleyxxihf·2024-01-26 13:06

趣学贝叶斯统计：量化

概率理论不仅仅是一个数学概念，更是一种对随机性和不确定性的理解方式。通过量化我们对事件发生的信念，我们能够更准确地预测和解释各种现象。在本章中，我们将探讨事件概率与信念概率，为我们的理论和分析工具箱增添新的维度。事件概率计算概率最常见的方法是对事件结果计数。对事件来说，有两组结果很重要。第一组是一个事件（event）的所有可能结果（事件概率）。第二组是你感兴趣的结果的计数（信念概率）。计算机通常将
Ashleyxxihf·2024-01-26 13:05

MATLAB环境下一种贝叶斯稀疏盲反卷积算法

稀疏盲反卷积贝叶斯估计方法通常使用伯努利-高斯分布(BG)先验的稀疏序列建模，并利用马尔可夫链蒙特卡罗(MCMC)方法进行未知估计。然而，BG模型的离散性会有计算瓶颈。
哥廷根数学学派·2024-01-26 10:03

MATLAB环境下一种音频降噪优化方法—基于时频正则化重叠群收缩

语音增强是语音信号处理领域中的一个重大分支，这一分支已经得到国内外学者的广泛研究。当今时代，随着近六十年来的不断发展，己经产生了许多有效的语音增强算法。根据语音增强过程中是否利用语音和噪声的先验信息，语音增强算法一般被归类为两类，一类是无先验信息的语音增强算法，另外一类则是具有先验信息的语音增强算法。在第一类无先验信息语音增强算法中，比较常用的语音增强算法有谱减算法、基于统计模型的算法、基于信号子
哥廷根数学学派·2024-01-26 08:26

【机器学习300问】18、正则化是如何解决过拟合问题的？

当我初次看见“正则化”三个字的时候，我简直头疼。在我的理解里“正则”还是Python中用在字符串处理的re正则库呢！怎么加一个“化”字就看不懂了！听我给你慢慢道来。一、正则化中的“正则”是个啥玩意儿？
小oo呆·2024-01-26 06:08

机器学习_常见算法比较模型效果(LR、KNN、SVM、NB、DT、RF、XGB、LGB、CAT)

文章目录KNNSVM朴素贝叶斯决策树随机森林KNN“近朱者赤，近墨者黑”可以说是KNN的工作原理。
you_are_my_sunshine*·2024-01-26 06:25

第一张黑洞照片全靠VLBI，这个Github项目教你用Python实现

【新智元导读】哈佛学生写的Python模块，用于模拟和操作VLBI数据并使用正则化最大似然法生成图像，模拟黑洞成像的算法。进入Github飙升榜TOP3，超过1000星。
诸葛青云999·2024-01-26 04:19

CS229 Week3 罗杰斯特回归&正则化

title:CS229Week3罗杰斯特回归&正则化date:2017-03-2618:40:21categories:ML/CS229mathjax:truetags:[MachineLearning
gb_QA_log·2024-01-26 03:22

机器学习算法

1、朴素贝叶斯分类器：https://www.cnblogs.com/csguo/p/7804355.html
Rainysong·2024-01-26 02:52

多维时序 | Matlab实现DBO-BiLSTM蜣螂算法优化双向长短期记忆神经网络多变量时间序列预测

蜣螂算法优化双向长短期记忆神经网络多变量时间序列预测效果一览基本介绍程序设计参考资料效果一览基本介绍1.Matlab实现DBO-BiLSTM多变量时间序列预测，蜣螂算法优化双向长短期记忆神经网络；蜣螂算法优化优化BiLSTM的学习率，隐藏层节点，正则化
机器学习之心·2024-01-26 02:48

基于中文垃圾短信数据集的经典文本分类算法实现

本文基于中文垃圾短信数据集，分别对比了朴素贝叶斯、逻辑回归、随机森林、SVM、LSTM、BiLSTM、BERT七种文本分类算法的垃圾短信分类效果。
fufufunny·2024-01-25 22:54

《速通机器学习》- 数据的量化和特征提取

本书从传统的机器学习，如线性回归、逻辑回归、朴素贝叶斯、支持向量机、集成学习，到前沿的深度学习和神经网络，如DNN、CNN、BERT、ResNet等，对人工智能技术进行零基础讲解，内容涵盖数学原理、公式推导
北大博士后AI卢菁·2024-01-25 19:15

大创项目推荐 题目：垃圾邮件(短信)分类 算法实现 机器学习 深度学习 开题

文章目录1前言2垃圾短信/邮件分类算法原理2.1常用的分类器-贝叶斯分类器3数据集介绍4数据预处理5特征提取6训练分类器7综合测试结果8其他模型方法9最后1前言优质竞赛项目系列，今天要分享的是基于机器学习的垃圾邮件分类该项目较为新颖
laafeer·2024-01-25 18:35

[pytorch入门] 6. 神经网络

ConvolutionLayers：卷积层Poolinglayers：池化层Non-linearActivations(weightedsum,nonlinearity)：非线性激活NormalizationLayers：正则化层
晴空对晚照·2024-01-25 07:26

图像分类】【深度学习】【轻量级网络】【Pytorch版本】EfficientNet_V2模型算法详解

版本】EfficientNet_V2模型算法详解文章目录【图像分类】【深度学习】【轻量级网络】【Pytorch版本】EfficientNet_V2模型算法详解前言EfficientNet_V2讲解自适应正则化的渐进学习
牙牙要健康·2024-01-25 07:05

通俗科普文：贝叶斯优化与SMBO、高斯过程回归、TPE（附新书）

以下文章来源于SimpleAI，作者郭必扬贝叶斯优化是AutoML中的重要概念，近年来变得很火热。作为一种重要的基于先验的调参/策略选择技术，贝叶斯的应用范围也很广。
科技州与数据州·2024-01-24 18:46
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他