entroy

机器学习基础

均方误差和方差、标准差二，先验概率与后验概率2.1，条件概率2.2，先验概率2.3，后验概率2.4，贝叶斯公式2.5，后验概率实例三，相对熵与交叉熵3.1，信息熵3.2，相对熵/KL散度3.3，交叉熵cross-entroy3.4
qq_1041357701·2023-01-10 09:27

机器学习基础

均方误差和方差、标准差二，先验概率与后验概率2.1，条件概率2.2，先验概率2.3，后验概率2.4，贝叶斯公式2.5，后验概率实例三，相对熵与交叉熵3.1，信息熵3.2，相对熵/KL散度3.3，交叉熵cross-entroy3.4
qq_1041357701·2023-01-02 07:12

torch.view打乱tensor顺序使得交叉熵计算出错

算例1：entroy=nn.CrossEntropyLoss()input0=torch.Tensor([[0.9,0.2],[0.4,0.6],[0.3,0.7]])input=input0.unsqueeze
微凉的衣柜·2022-12-21 12:32

entroy_loss、focal_loss

一、entroy_lossentroy_loss已经讨论了很多了，具体可以看我的这篇博客二、focal_loss说到focal_loss，一定要看的是这张图：从上图可以看到，focal_loss只比entroy_loss
仙女修炼史·2022-03-16 07:27

联合概率分布函数的问题

最近在研究图像相似度比较的问题，文章中给出了一个衡量图像信息量的参数，即“熵”（entroy）-----香农信息论中首次提出来的该公式主要用来求一个图像所含信息量，如果想要描述两个图像所含的共同信息量，
moxuanyao·2020-09-12 06:07

机器学习实战 -----决策树代码学习笔记（三）

D是数据集，A是特征信息增益的理解：对于待划分的数据集D，其entroy(前)是一定的，但是划分之后的熵entroy(后)是不定的，entroy(后)越小说明使用此特征划分得到的子集的不确定性越小（也就是纯度越高
myhome908·2020-08-25 03:29

ID3算法哺乳动物分类实例

属性分类结果的熵值)max(Gain(S,Ai))=Entropy(S)−∑j=1vSjSEntroy(Sj)max(Gain(S,A_i))=Entropy(S)-\sum_{j=1}^v\frac{S_j}{S}Entroy
Simplify1024·2020-08-07 10:22

SE（谱熵）算法和C0复杂度计算

代码如下：functionSE=SE_entroy(x)%x为一维数组序列x=x-mean(x);X=fft(x);%离散傅里叶变换N=ceil((size(X,2)/2));X=X(1:N);%取得变换后序列前半部分
小苹果的D·2020-07-13 04:59

输入法之模型剪枝一(基于熵的剪枝)

从理论上来讲，剪枝达到的效果就是剪枝后的q和剪枝前的p最大化相似，有两种算法entroy-based以及rank-based。
hxxiaopei·2020-07-04 18:30

深入决策树算法

系统讲解了DT算法理论主要内容：1、决策树算法2、Entroy3、InformationGain例图DT一般都是非线性分界面sklearn运行效果图参数的作用min_samples_split一直区分到集合只有两个元素
重新出发_砥砺前行·2020-04-02 09:03
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他