E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
Ridge正则化
机器学习——分类、回归、聚类、LASSO回归、
Ridge
回归(自用)
纠正自己的误区:机器学习是一个大范围,并不是一个小的方向,比如:线性回归预测、卷积神经网络和强化学都是机器学习算法在不同场景的应用。机器学习最为关键的是要有数据,也就是数据集名词解释:数据集中的一行叫一条样本或者实例,列名称为特征或者属性。样本的数量称为数据量,特征的数量称为特征维度机器学习常用库:Numpy和sklearn朴素的意思是特征的各条件都是相互独立的机器学习(模型、策略、算法)损失函数
代码的建筑师
·
2025-03-24 02:02
模型学习
模型训练
机器学习
机器学习
分类
回归
正则化项
LASSO
Ridge
朴素
深度学习篇---对角矩阵&矩阵的秩&奇异矩阵
RankofaMatrix)2.1定义2.2特性满秩降秩影响2.3应用领域深度学习图像压缩推荐系统控制理论三、奇异矩阵(SingularMatrix)3.1定义3.2特性秩不足行列式为零3.3应用领域深度学习
正则化
损失函数结构工程统计学数值计算四
Ronin-Lotus
·
2025-03-23 08:37
程序代码篇
深度学习篇
深度学习
矩阵
人工智能
线性代数
关于神经网络中的
正则化
神经网络训练中的
正则化
正则化
(Regularization)是神经网络训练中的一个关键技术,主要用于防止模型过拟合(overfitting),提高泛化能力。1.为什么需要
正则化
?
文弱_书生
·
2025-03-21 14:07
乱七八糟
神经网络
人工智能
深度学习
神经网络基础之
正则化
引言:
正则化
(Regularization)是机器学习中一种用于防止模型过拟合技术。
硬水果糖
·
2025-03-20 07:45
人工智能
神经网络
人工智能
机器学习
yolov4
这工作量不轻全部实验都是单GPU完成,不用太担心设备了Bagoffreebies(BOF)只增加训练成本,但是能显著提高精度,并不影响推理速度数据增强:调整亮度、对比度、色调、随机缩放、剪切、翻转、旋转网络
正则化
的方法
zzh-
·
2025-03-18 16:28
笔记
XGBoost算法的相关知识
文章目录背景定义损失函数(1)原始目标函数Obj(2)原始目标函数Obj的泰勒展开(3)具体化目标函数的泰勒展开细节(4)求解目标函数中的wjw_jwj最优切分点算法基于分桶的划分策略
正则化
模型复杂度Shrinkage
VariableX
·
2025-03-18 01:46
机器学习基础
算法
机器学习
Dropout: 一种减少神经网络过拟合的技术
为了解决这个问题,研究者们提出了多种
正则化
技术,其中之一就是Dropout。什么是Dropout?Dropout是一种
正则化
技术,由Hinton和他的学生在2012年提出。
冰蓝蓝
·
2025-03-17 23:37
自然语言处理
神经网络
人工智能
深度学习
【人工智能基础2】机器学习、深度学习总结
文章目录一、人工智能关键技术二、机器学习基础1.监督、无监督、半监督学习2.损失函数:四种损失函数3.泛化与交叉验证4.过拟合与欠拟合5.
正则化
6.支持向量机三、深度学习基础1、概念与原理2、学习方式3
roman_日积跬步-终至千里
·
2025-03-16 23:02
人工智能习题
人工智能
机器学习
深度学习
机器学习——
正则化
、欠拟合、过拟合、学习曲线
避免过拟合的几种方法:①增加全部训练数据的数量(最为有效的方式)②使用简单的模型(简单的模型学不够,复杂的模型学的太多),这里的简单指的是不要过于复杂③
正则化
(对目标函数后加上
正则化
项):使得这个“目标函数
代码的建筑师
·
2025-03-16 17:51
学习记录
机器学习
机器学习
学习曲线
过拟合
欠拟合
正则化
利用matlab实现贝叶斯优化算法(BO)优化支持向量机回归(SVR)的超参数
传统调参三大痛点:C参数(
正则化
强度):过小导致过拟合,过大削弱模型能力ε参数(不敏感区域):决定对预测误差的容忍度核
是内啡肽耶
·
2025-03-16 16:41
算法
matlab
支持向量机
机器学习
回归
XGBoost算法深度解析:从原理到实践
其核心思想通过迭代集成弱学习器(CART树)逐步修正预测误差,并引入
正则化
机制控制模型复杂度,防止过拟合。
彩旗工作室
·
2025-03-14 11:36
人工智能
算法
机器学习
人工智能
XGBoost常见面试题(五)——模型对比
-知乎基分类器:传统GBDT以CART树作为基分类器,xgboost还支持线性分类器,这个时候xgboost相当于带L1和L2
正则化
项的逻辑斯蒂回归(分类问题)或者线性回归(回归问题)。
月亮月亮要去太阳
·
2025-03-11 18:15
机器学习
经验分享
L1与L2
正则化
:防止过拟合的双刃剑
标题:L1与L2
正则化
:防止过拟合的双刃剑文章信息摘要:L1和L2
正则化
是防止机器学习模型过拟合的两种关键技术。
XianxinMao
·
2025-03-06 14:31
人工智能
人工智能
机器学习
算法
python
正则化
函数_一文秒懂python正则表达式常用函数
这篇文章主要介绍了python正则表达式常用函数及使用方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下目录01Re概览02字符串查找/匹配03字符串替换/分割04总结导读:正则表达式是处理字符串类型的"核武器",不仅速度快,而且功能强大。本文不过多展开正则表达式相关语法,仅简要介绍python中正则表达式常用函数及其使用方法,以作快速查询浏览。01Re
weixin_39809540
·
2025-03-06 09:25
python正则化函数
XGBoost系列文章(四):参数调优与模型训练
内容涵盖学习率、
正则化
、采样策略、早停法等关键环节,帮助读者快速掌握工业级调参方案。1.XGBoost的三大类参数(通用参数、Booster参数、任务参数)分别是什么?
什么都想学的阿超
·
2025-03-05 14:13
原理概念
#
机器学习
机器学习
xgboost
【Address Overfitting】解决过拟合的三种方法
目录1.收集更多数据实践方法:适用场景:优缺点:2.特征选择方法介绍:实践示例:适用场景:优缺点:3.
正则化
(Regularization)
正则化
类型:实践示例:适用场景:优缺点:总结与对比总结在机器学习中
HP-Succinum
·
2025-03-04 05:24
机器学习
机器学习
数据分析
DynamicSparse-MobileNet (DSMNet) 用于低功耗图像分类
自适应通道缩放3.熵感知知识蒸馏三、数据集与预处理四、网络结构详解1.输入层与熵估计模块2.动态稀疏卷积块3.熵感知分类头五、模型优化策略1.优化器设计——Prodigy优化器2.动态计算损失3.损失函数设计4.
正则化
技术
闲人编程
·
2025-03-04 01:29
人工智能实战教程—论文创新点
分类
人工智能
数据挖掘
DSMNet
动态稀疏
熵感知
自适应
Angular Superresolution of Real Aperture Radar for Target Scale Measurement 论文阅读
AngularSuperresolutionofRealApertureRadarforTargetScaleMeasurement1.研究目标与实际意义1.1研究目标1.2实际意义2.创新方法与模型设计2.1广义混合
正则化
青铜锁00
·
2025-03-03 03:30
论文阅读
Radar
论文阅读
Angular Superresolution of Real Aperture Radar Using Online Detect-Before-Reconstruct Framework 论文阅读
AngularSuperresolutionofRealApertureRadarUsingOnlineDetect-Before-ReconstructFramework1.论文的研究目标与实际问题意义1.1研究目标1.2实际问题与产业意义2.论文的创新方法、模型与公式分析(重点)2.1核心创新点2.2关键公式与模型2.2.1信号模型2.2.2稀疏
正则化
优化问题
青铜锁00
·
2025-03-03 03:30
论文阅读
Radar
论文阅读
A Bayesian Angular Superresolution Method With Lognormal Constraint for Sea-Surface Target 论文阅读
正则化
方法(如TSVD、l1/l2约束):假设噪声服从高斯分布,未考虑海杂波的非高斯特性(如Rayleigh
青铜锁00
·
2025-03-01 15:27
论文阅读
Radar
论文阅读
(脑肿瘤分割笔记:五十二)RFNet: Region-aware Fusion Network for Incomplete Multi-modalBrain Tumor Segmentation
目录摘要:Introduction方法3.1任务定义3.2模型结构3.3RFM模块概率图学习区域感知多模态融合3.4分割
正则化
器3.5整体损失函数总结摘要:在现有的脑肿瘤分割方法中,常常会出现缺少某些模态图像的问题
不想敲代码的小杨
·
2025-03-01 12:06
脑肿瘤分割论文笔记
计算机视觉
人工智能
深度学习进阶:构建多层神经网络
今天,我们将进一步深入,构建一个更复杂的多层神经网络,并引入更多高级概念,如多隐藏层、激活函数选择、
正则化
等。我们还会使用更复杂的分类任务来训练模型,并评估其性能。
孤寂大仙v
·
2025-02-28 12:37
深度学习
神经网络
人工智能
机器学习中的过拟合、欠拟合与
正则化
在机器学习的世界里,过拟合与欠拟合是模型训练过程中常常会遇到的两大问题,而
正则化
则是应对过拟合的重要手段。理解它们对于构建高性能的机器学习模型至关重要。
喜-喜
·
2025-02-27 14:28
人工智能
机器学习
人工智能
第十三站:卷积神经网络(CNN)的优化
这些优化技术包括数据增强、网络架构的改进、
正则化
技术。1.数据增强(DataAugmentation)数据增强是提升深度学习模型泛化能力的一种常见手段。
武狐肆骸
·
2025-02-27 03:08
机器学习
cnn
人工智能
神经网络
正则化
技术和模型融合等方法提高模型的泛化能力
在机器学习和深度学习中,提高模型的泛化能力至关重要,
正则化
技术和模型融合是两种有效的手段,以下将详细介绍它们的原理、常见方法及代码示例。
小赖同学啊
·
2025-02-26 15:36
人工智能
人工智能
CPD(Coherent Point Drift)非刚性点云配准算法
它通过将点云配准问题转化为概率密度估计问题,结合高斯混合模型(GMM)与
正则化
形变场,能够有效处理复杂形变(如人体运动、器官形变)的点云对齐任务。核心特点:非刚性对齐:支持大范围、
点云SLAM
·
2025-02-26 08:47
点云数据处理技术
算法
概率论
机器学习
非刚性配准
CPD配准算法
EM算法
非刚性拼接
解读 DeepSeek 关键 RL 算法 GRPO
DeepSeekGRPO:面向超大规模RLHF的梯度
正则化
策略优化算法引言在当下人工智能蓬勃发展的浪潮里,DeepSeek无疑是一颗耀眼的明星,频繁出现在各类科技前沿讨论中,热度持续攀升。
进一步有进一步的欢喜
·
2025-02-26 08:16
LLM
算法
DeepSeek
GRPO
机器学习笔记——特征工程
本笔记介绍机器学习中常见的特征工程方法、
正则化
方法和简要介绍强化学习。
好评笔记
·
2025-02-25 22:37
补档
机器学习
笔记
人工智能
AIGC
深度学习
计算机视觉
面试八股
【漫话机器学习系列】101.特征选择法之Lasso(Lasso For Feature Selection)
Lasso特征选择法详解1.Lasso回归简介Lasso(LeastAbsoluteShrinkageandSelectionOperator,最小绝对收缩和选择算子)是一种基于L1范数
正则化
的线性回归方法
IT古董
·
2025-02-23 12:46
漫话机器学习系列专辑
机器学习
人工智能
深度学习之图像回归(二)
(一)主要是帮助迅速入门理清一个深度学习项目的逻辑这篇文章则主要注重在此基础上对于数据预处理和模型训练进行优化前者会通过涉及PCA主成分分析特征选择后者通过
正则化
数据预处理数据预处理的原因思路链未经过处理的原始数据存在一些问题
zhengyawen666
·
2025-02-23 05:52
深度学习
回归
数据挖掘
人工智能
AIGC训练效率与模型优化的深入探讨
文章目录1.AIGC概述2.AIGC模型训练效率的重要性3.模型优化的概念与目标4.模型优化策略4.1学习率调节4.2模型架构选择4.3数据预处理与增强4.4
正则化
技术4.5量化与剪枝5.代码示例6.结论人工智能领域的发展
DARLING Zero two♡
·
2025-02-22 13:18
话题
AIGC
嵌入式人工智能应用-第四章 逻辑回归 8
逻辑回归1逻辑回归介绍1.1背景介绍1.2原理1.2.1预测函数1.2.2判定边界1.2.3损失函数1,2,4梯度下降函数1.2.5分类拓展1.2.6
正则化
2实验代码3实验结果说明1逻辑回归介绍1.1背景介绍逻辑回归的过程可以概括为
数贾电子科技
·
2025-02-21 16:11
嵌入式人工智能应用
人工智能
逻辑回归
算法
机器学习的模型类型(Model Types)
岭回归(RidgeRegression)和Lasso回归(LassoRegression):带
正则化
的线性回归。树模型(Tree-basedModels):决策树(DecisionTree):
路野yue
·
2025-02-21 14:56
人工智能
机器学习
深度学习归一化与
正则化
文章目录深度学习归一化与
正则化
1.归一化(Normalization)2.
正则化
(Regularization)深度学习归一化与
正则化
1.归一化(Normalization)定义:归一化是指通过某种算法将输入数据或神经网络层的激活值处理后限制在我们需要的特定范围内
鱼儿也有烦恼
·
2025-02-21 14:22
深度学习
深度学习
机器学习—逻辑回归
逻辑回归与线性回归的区别1.3应用场景2、逻辑回归模型2.1、模型定义2.2、Sigmoid函数2.3、决策边界2.4、概率解释3、模型训练3.1、损失函数3.2、梯度下降法3.3、牛顿法3.4、拟牛顿法3.4、
正则化
60岁的程序猿
·
2025-02-21 14:22
1024程序员节
机器学习
逻辑回归
人工智能
算法
深度学习探索-基础篇-
正则化
篇
文章目录一、
正则化
介绍1.1
正则化
的简介1.2
正则化
的方法介绍1.3
正则化
的用途二、
正则化
的详细介绍2.1L1
正则化
2.2L2
正则化
2.2.1L2
正则化
的工作原理2.2.2如何在训练中应用L2
正则化
2.2.3L2
神仙盼盼
·
2025-02-21 13:49
深度学习入门篇
深度学习
人工智能
机器学习杂记
过拟合处理方法:早停
正则化
dropout数据增广避免局部极小值方法:以不同的初始值来训练网络,最终选取最小的。使用模拟退火技术。
被自己蠢哭了
·
2025-02-21 08:33
深度学习
机器学习
A new method for forward-looking scanning radar imaging based on L1/2 regularization 论文阅读
Anewmethodforforward-lookingscanningradarimagingbasedonL1/2regularization论文阅读内容概述关键创新点1.论文的研究目标研究目标2.新方法的特点与优势传统方法局限L1/2L_{1/2}L1/2
正则化
的创新优势对比
yangqoor
·
2025-02-20 00:18
论文阅读
CVPR2023 Highlight | ECON:最新单图穿衣人三维重建SOTA算法
ECON结合了自由形式隐式表示的最佳方面,以及明确的拟人化
正则化
,以推断高保真度的3D人类,即使是宽松的衣服或具有挑战性的姿势。0.笔者个人体会这篇文章讨论了单图像的穿着人类重建问题。隐式方
3D视觉工坊
·
2025-02-19 01:36
3D视觉从入门到精通
算法
SLAM
自动驾驶
3D视觉
Implement
Ridge
Regression Loss Function
ImplementRidgeRegressionLossFunctionWriteaPythonfunctionridge_lossthatimplementstheRidgeRegressionlossfunction.Thefunctionshouldtakea2DnumpyarrayXrepresentingthefeaturematrix,a1Dnumpyarraywrepresentin
六月五日
·
2025-02-18 22:05
Deep-ML
Deep-ML
正则化
(Regularization)和正则表达式(Regular Expression)区别
**
正则化
(Regularization)**2.**正则表达式(RegularExpression)**关键区别为什么名字相近?
Dontla
·
2025-02-18 17:58
正则表达式
【漫话机器学习系列】041.信息丢失(dropout)
信息丢失(Dropout)Dropout是一种广泛应用于神经网络训练中的
正则化
技术,旨在减少过拟合(overfitting),提高模型的泛化能力。
IT古董
·
2025-02-17 22:40
漫话机器学习系列专辑
机器学习
人工智能
深度学习
给我通俗易懂地讲一下损失函数与
正则化
我用最生活化的比喻来解释这两个关键概念---###**1.损失函数:考试得分计算器****场景**:你是个教练,训练学生投篮-**核心作用**:每次投篮训练后,自动算出学生的「犯错分数」-**举个栗子**:-**均方误差(MSE)**:记录每次投篮偏离篮筐的距离(比如差30cm记0.3分,差50cm记0.5分),最后算平均分-**交叉熵损失**:专用于选择题考试(比如识别猫狗图片),答错一题扣2分
利万国潮科技 A9.36(asi智神版)
·
2025-02-16 13:46
经验分享
【人工智能】临时抱佛脚准备明天的人工智能考试,试题与答案汇总
防止方法:一种常见的方法是
正则化
(如L1和L2
正则化
)选择题人工智能的定义中
奋力向前123
·
2025-02-14 21:31
人工智能
人工智能
机器学习面试笔试知识点-线性回归、逻辑回归(Logistics Regression)和支持向量机(SVM)
和支持向量机SVM微信公众号:数学建模与人工智能一、线性回归1.线性回归的假设函数2.线性回归的损失函数(LossFunction)两者区别3.简述岭回归与Lasso回归以及使用场景4.什么场景下用L1、L2
正则化
qq742234984
·
2025-02-13 07:39
机器学习
线性回归
逻辑回归
【机器学习】嘿马机器学习(算法篇)第6篇:线性回归,学习目标【附代码文档】...
API1.11案例2:预测facebook签到位置1项目描述线性回归2.3数学:求导1常见函数的导数线性回归2.5梯度下降方法介绍1详解梯度下降算法线性回归2.6线性回归api再介绍小结线性回归2.9
正则化
线
广江鹏
·
2025-02-11 21:59
算法
机器学习
线性回归
学习
人工智能
AI学习专题(一)LLM技术路线
框架Python(NumPy、Pandas、Matplotlib)PyTorch&TensorFlow基础HuggingFaceTransformers入门深度学习基础机器学习基础(监督/无监督学习、
正则化
王钧石的技术博客
·
2025-02-10 01:39
大模型
人工智能
学习
ai
【深度学习】L1损失、L2损失、L1
正则化
、L2
正则化
文章目录1.L1损失(L1Loss)2.L2损失(L2Loss)3.L1
正则化
(L1Regularization)4.L2
正则化
(L2Regularization)5.总结5.1为什么L1
正则化
会产生稀疏解
小小小小祥
·
2025-02-08 15:31
深度学习
人工智能
算法
机器学习
深度学习篇---深度学习相关知识点&关键名词含义
)1.神经网络基础2.激活函数(ActivationFunction)3.损失函数(LossFunction)4.优化算法(Optimization)5.反向传播(Backpropagation)6.
正则化
与调优三
Ronin-Lotus
·
2025-02-06 21:21
深度学习篇
深度学习
人工智能
机器学习
pytorch
paddlepaddle
python
深度学习篇---深度学习中的超参数&张量转换&模型训练
BatchSize)定义重要性常见设置3.迭代次数(NumberofEpochs)定义重要性常见设置4.优化器(Optimizer)定义重要性常见设置5.损失函数(LossFunction)定义重要性常见设置6.
正则化
Ronin-Lotus
·
2025-02-06 21:50
深度学习篇
深度学习
人工智能
paddlepaddle
pytorch
超参数
张量转换
模型训练
上一页
1
2
3
4
5
6
7
8
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他