过拟合

机器学习 西瓜书 第二章阅读笔记+公式推导

第2章模型评估与选择2.1经验误差与过拟合2.2评估方法2.2.1留出法2.2.2交叉验证法2.2.3自助法2.2.4调参与最终模型2.3性能度量2.3.1错误率与精度2.3.2查准率、查全率与F12.3.3ROC
不知名小七·2022-11-16 07:51

机器学习 西瓜书 第二章 模型评估与选择 读书笔记

2.模型评估与选择2.1经验误差与过拟合误差错误率errorrate精度accuracy训练集上的误差训练误差trainingerror经验误差empiricalerror新样本上的误差泛化误差generalizationerror
猾枭·2022-11-16 07:20

机器学习西瓜书第二章概要（1）

模型评估与选择经验误差与过拟合Errorrate（错误率）E=a/m如果m个样本有a个样本分类错误Accuracyrate（精度）精度=1-错误率学习器在训练集上的误差称为“训练误差”或“经验错误”，新样本上的误差称为
炼丹小白师·2022-11-16 07:16

【机器学习】周志华西瓜书第一二章

本文为跟随DataWhale组队学习吃瓜教程的学习笔记Task01概览西瓜书第一、二章内容文章目录前言第一章一、绪论1.3假设空间1.4归纳偏好第二章模型评估2.1经验误差与过拟合2.2评估方法2.2.1
Jocelyn_hhh·2022-11-16 07:39

机器学习读书笔记：神经网络

文章目录神经元感知机&多层神经网络神经网络学习多层神经网络误差逆传播算法：BP(BackPropagation)神经网络过拟合问题局部最小与全局最小现在的深度学习大行其道，深度学习就是利用深度神经网络来进行学习
新兴AI民工·2022-11-16 07:26

dropout层

深度神经网（DNN）中经常会存在一个常见的问题：模型只学会在训练集上分类（过拟合现象），dropout就是为了减少过拟合而研究出的一种方法。
小小小~·2022-11-16 01:12

ECCV2022_MaxViT+：Multi-Axis Vision Transformer

这是由于Transformer具有较强的建模能力，但是缺乏归纳偏置，从而导致过拟合。
羊飘·2022-11-16 01:09

[2022-11-06]神经网络与深度学习第4章 - 卷积神经网络(part 4)

带残差连接的ResNet18比较写在最后卷积神经网络(part4)ResNet写在开头虽然根据泛逼近定理，只要有足够的训练样本，单层前馈网络也能足以表示任何函数，但是该层可能非常庞大，网络和数据容易出现过拟合
三工修·2022-11-15 17:12

机器学习——模型评估，选择与验证

文章目录机器学习——模型评估，选择与验证训练集与测试集为什么要有训练集与测试集如何划分训练集与测试集欠拟合与过拟合欠拟合过拟合偏差与方差模型误差来源偏差与方差验证集与交叉验证为什么需要验证集k折交叉验证集成学习自助法衡量回归的性能指标
宓海·2022-11-15 14:09

DropPath或drop_path正则化（通俗易懂）

DropPath/drop_path是一种正则化手段，和Dropout思想类似，其效果是将深度学习模型中的多分支结构的子路径随机”删除“，可以防止过拟合，提升模型表现，而且克服了网络退化问题。
惊鸿落-Capricorn·2022-11-15 13:23

深入理解LightGBM

LightGBM简介GBDT(GradientBoostingDecisionTree)是机器学习中一个长盛不衰的模型，其主要思想是利用弱分类器（决策树）迭代训练以得到最优模型，该模型具有训练效果好、不易过拟合等优点
小白学视觉·2022-11-15 09:29

矩阵的特征：主成分分析（PCA）

这不仅会加大机器学习的难度，还会形成过拟合，影响最终的准确度。针对这种情形，我们需要过滤掉一些不重要的特征，或
人邮异步社区·2022-11-15 07:14

机器学习过拟合---范数

过拟合产生的原因：①假设过于复杂②噪音数据③数据规模太小解决过拟合的方案：数据清洗（将错误的lable纠正或者删除错误的数据），伪造更多的数据，正则化，验正正则化--范数:转自http://blog.csdn.net
weixin_34217773·2022-11-14 13:46

l2范数求导_机器学习中的范数规则化之（一）L0、L1与L2范数

blog.csdn.net/zouxy09/article/details/[email protected]://blog.csdn.net/zouxy09今天我们聊聊机器学习中出现的非常频繁的问题：过拟合与规则化
weixin_39997443·2022-11-14 13:46

2020-10-13 一阶范数；二阶范数

学习目标：一阶范数；二阶范数学习内容：过拟合与规则化监督机器学习问题：在规则化参数的同时最小化误差。最小化误差是为了让我们的模型拟合我们的训练数据，而规则化参数是防止我们的模型过分拟合我们的训练数据。
weeekly·2022-11-14 13:14

【机器学习】范数规则化之（一）L0、L1与L2范数

机器学习中的范数规则化之（一）L0、L1与L2范数[email protected]://blog.csdn.net/zouxy09今天我们聊聊机器学习中出现的非常频繁的问题：过拟合与规则化。
feng_zhiyu·2022-11-14 13:42

L0，L1范数详解

机器学习中的范数规则化之（一）L0、L1与L2范数[email protected]://blog.csdn.net/zouxy09今天我们聊聊机器学习中出现的非常频繁的问题：过拟合与规则化。
VictorLeeLk·2022-11-14 13:40

机器学习中的范数规则化-L0,L1和L2范式

转自：https://blog.csdn.net/zouxy09/article/details/24971995/今天我们聊聊机器学习中出现的非常频繁的问题：过拟合与规则化。
Candy_GL·2022-11-14 13:09

线性模型优化：岭回归和Lasso回归

文章目录欠拟合和过拟合过拟合特征岭回归和Lasso回归岭回归Lasso回归仿真实例欠拟合和过拟合此前已经介绍了线性模型LinearRegression的原理和具体实现。
我在开水团做运筹·2022-11-14 12:02

机器学习 正则化 学习笔记

原文地址如下：http://doc.okbase.net/jianxinzhou/archive/111322.html1.过拟合如果建立的模型没能很好地拟合训练数据，那么这种情况称为欠拟合（underfitting
weixin_30690833·2022-11-14 10:51

吴恩达 机器学习 正则化 学习笔记

正则化解决/缓解过拟合问题首先，介绍几个概念“欠拟合”与“刚刚好”与“过拟合”“欠拟合”其实相对容易解决，通过不断地调参，总可以使拟合度逐渐提高而“过拟合”的问题则相对麻烦一些Q:什么情况会出现过拟合?
In_the_wind_·2022-11-14 10:51

学习笔记之模型正则化

在使用比较复杂的模型，去拟合数据时，很容易出现过拟合现象(训练集表现很好，测试集表现较差)，这会导致
逆游的鲤鱼·2022-11-14 10:21

machine learning学习笔记（三）正则化

就是为了解决过拟合问题。为啥过拟合？
水母君98·2022-11-14 10:50

机器学习笔记——正则化（Regularization）

机器学习笔记——正则化（Regularization）过度拟合(Overfit)线性回归(classificationRegression)逻辑回归(LogisticRegression)为什么会出现过拟合现象
家有琦琦果·2022-11-14 10:20

机器学习笔记——模型选择与正则化

机器学习笔记——模型选择与正则化一、模型选择1.方差与偏差2.过拟合与欠拟合3.模型选择的平衡4.欠、过拟合解决方法二、正则化1.正则化线性回归2.正则化对数回归3.训练集规模对误差的影响4.模型性能评估三
AgentSmart·2022-11-14 10:19

正则化学习笔记

能够提高模型在test上的准确率，能够提高模型的泛化能力所做的任何改动，可以称之为正则化正则化主要思想：降低模型的复杂度正则化主要目的：防止模型过拟合正则化实现思路：最小化损失Loss+最小复杂度正则化终极目标
chj65·2022-11-14 10:18

机器学习：线性回归之损失函数、正规方程、梯度下降、过拟合和欠拟合、正则化

1.线性回归1.1定义与公式线性回归(Linearregression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。特点：只有一个自变量的情况称为单变量回归，多于一个自变量情况的叫做多元回归通用公式：h(w)=w1x1+w2x2+⋯+wnxn+b=WTX+bh(w)=w_1x_1+w_2x_2+\cdots+w_nx_n+b=W^TX+bh(
示木007·2022-11-14 09:34

《统计学习方法》第三章习题

k值的确定：k值越小，模型整体变得越复杂，越容易过拟合。通常使用交叉验证法来选取最优k值分类决策：一般使用多数表决，即在k个邻近
Hilbob·2022-11-14 09:00

dropout设置--学习笔记

背景：**集成具有不同模型配置的神经网络可减少过拟合**：减少过拟合的一种方法是在数据集上拟合所有可能的不同神经网络模型，并对每个模型的预测求平均。
Wsyoneself·2022-11-14 09:20

Conditional Prompt Learning for Vision-Language Models

由于CoOp学到的提示参数存在对训练集过拟合的现象，在新类别上的泛化性能不好，因此作者又进一步提出了CoCo
开心的火龙果·2022-11-14 09:19

决策树算法python代码注释_机器学习决策树算法代码注释,详注

优点：计算复杂度不高，结果易于理解缺点：容易产生过拟合现象，所以需要对决策树进行剪枝代码例子来源：《机器学习实践》第三章数据包含5个海洋动物，特征包括:不浮出水面是否可以生存，以及是否有脚蹼，将这些动物分成两类
weixin_40004212·2022-11-13 14:07

bp神经网络参数怎么设置,bp神经网络参数设置

一、隐层数一般认为，增加隐层数可以降低网络误差（也有文献认为不一定能有效降低），提高精度，但也使网络复杂化，从而增加了网络的训练时间和出现“过拟合”的倾向。
普通网友·2022-11-12 17:42

【翻译】如何诊断lstm模型的过拟合与欠拟合

原文地址ItcanbedifficulttodeterminewhetheryourLongShort-TermMemorymodelisperformingwellonyoursequencepredictionproblem.很难确定您的LSTM模型在序列预测问题上是否表现良好。Youmaybegettingagoodmodelskillscore,butitisimportanttoknow
Troye Jcan·2022-11-12 11:39

机器学习之决策树笔记(2)-剪枝处理过程

过拟合和欠拟合是什么？
旧城以西^·2022-11-12 11:07

欠拟合(Under-Fitting)、拟合(Fitting)、过拟合(Over-Fitting)示例

机器学习中欠拟合和过拟合是一个很常见的问题，以下通过python代码模型对欠拟合、拟合和过拟合进行一个简单的示例。
笨牛慢耕·2022-11-12 11:04

AlexNet网络结构详解与花分类数据集下载

Relu能够解决以上问题dropout操作可以减少过拟合现象过拟合现象：过
Knoka705·2022-11-11 18:23

XGBoost

③’dart’：树模型做为基分类器（采用dropout，随机丢弃一些树，防止过拟合）。n_estimator：总共迭代的次数，即基学习器的个数。
big_matster·2022-11-11 13:52

训练数据不够怎么造？yolo5 最有用的trick 之数据增强详解

在深度学习领域，模型参数量往往数以百万计，因此要训练一个鲁棒的模型往往需要大量的数据，与此同时，我们还可以利用各种数据增强的手段来增加模型训练数据的多样性，令模型尽可能适应不同的场景，防止过拟合的发生。
OpenDataLab·2022-11-11 11:10

【花书笔记|PyTorch版】手动学深度学习7：模型选择、欠拟合和过拟合

2022.11.104.4模型选择、欠拟合和过拟合4.4.1.训练误差和泛化误差训练误差（trainingerror）是指，模型在训练数据集上计算得到的误差。
羊老羊·2022-11-11 08:42

PyTorch实现Logistic回归对多元高斯分布进行分类实战（附源码）

X1，X2.这两个多元高斯分布分别表示两个类别，分别设置其标签为y1，y2.注意后面要打乱样本和标签的顺序，将数据重新随机排列是十分重要的步骤，否则算法的每次迭代只会学习到同一个类别的信息，容易造成模型过拟合优化算法
showswoller·2022-11-11 07:41

cnn 部分初级代码

Pytorch学习笔记(七):F.softmax()和F.log_softmax函数详解_ZZY_dl的博客-CSDN博客_f.softmax函数防止过拟合。
wxxka·2022-11-10 23:50

深度学习：维度灾难（Curse Of Dimensionality）

深度学习：维度灾难维度灾难的几何意义补充说明（r如果大于1）维度灾难于过拟合的关系缓解方法维度灾难的几何意义假设有一个正方形，边长为1，那么面积为1*1。
HanZee·2022-11-10 13:45

BP神经网络算法基本原理,bp网络神经算法代码

改进点主要在以下几个方面1激励函数的坡度———————误差曲面的平台和不收敛现象————————————————激励函数中引入陡度因子，分段函数做激励函数2误差曲面——————误差平方做目标函数，逼近速度慢，过拟合
普通网友·2022-11-10 10:09

CS231n-课程总结

来自斯坦福CS231n课程李飞飞主讲我主要是对Notes部分的小总结包括图像基础,神经网络Backprop,卷积层做了基础的了解还有参数的调整,解决过拟合的问题等等0_图像基础1.k-Nearest-Neighber
cuixuange·2022-11-10 10:07

【cs231n】正则化

文章目录L2regularizationL1regularizationDropout当训练数据过少、网络复杂或训练过多时，会出现过拟合。在训练集上的准确度不断提高，但在测试集上的准确率不高。
JoeYF_·2022-11-10 10:06

2021机器学习面试必考面试题汇总（附答案详解）

Level-wise可以同时分裂同一层的叶子，容易进行多线程优化，过拟合风险较小，但是这种分裂方式也有缺陷，
julyedu_7·2022-11-09 17:16

深度学习+图像处理相关试题日常总结

202010211、提高泛化能力提高模型泛化能力，减小过拟合，提升鲁棒性的几种方法：1.batch_size越大，样本整体噪声均值保持不变但是方差减小，而样本的噪声有助于SGD规避局部最优点，从而提高整体的泛化能力
金小虾·2022-11-09 07:38

Double Attention Network Based On Sparse Sampling

问题的具体描述过拟合分析恶化帧的诞生提出的理由冗余帧无效帧我们的解决方案缺乏全局感受野高层对于有效信息的缺失DoubleAttentionNetworkTransformer思想结构位
右边是我女神·2022-11-08 21:49

yolov3为什么对大目标检测不好_基于改进YOLOv3的交通场景小目标检测方法与流程...

本发明提出一种基于改进yolov3的交通场景小目标检测方法，解决yolov3网络过深问题，提高对小目标检测的精确度和速度，一定程度上避免训练神经网络出现的过拟合现象。属于智能交通领域。
咪马3213~~·2022-11-08 19:57

机器学习笔记02——线性回归

主博客总结目录一.线性回归API初步使用1.1步骤分析1.2代码过程二、优化算法三、案例：波士顿房价预测3.1正规方程进行波士顿房价预测3.2梯度下降法进行波士顿房价预测梯度下降法API：四、非线性回归五、欠拟合和过拟合六
S1406793·2022-11-08 17:42
上一页 56 57 58 59 60 61 62 63 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他