腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
郭耀华‘s Blog
专栏作者
举报
174
文章
258982
阅读量
41
订阅数
订阅专栏
申请加入专栏
全部文章(174)
java(42)
其他(32)
编程算法(30)
python(16)
android(14)
深度学习(12)
tcp/ip(7)
机器学习(6)
二叉树(5)
tensorflow(4)
bash(4)
linux(4)
bash 指令(4)
图像处理(4)
存储(4)
卷积神经网络(4)
hashmap(4)
c 语言(3)
unix(3)
网站(3)
http(3)
容器(3)
缓存(3)
kernel(3)
windows(3)
数据结构(3)
c++(2)
xml(2)
数据库(2)
sqlite(2)
sql(2)
eclipse(2)
github(2)
ubuntu(2)
神经网络(2)
文件存储(2)
人工智能(2)
图像识别(2)
grep(2)
安全(2)
filter(2)
import(2)
list(2)
max(2)
set(2)
统计(2)
装饰器(2)
费用中心(1)
NLP 服务(1)
javascript(1)
ruby(1)
actionscript(1)
html(1)
json(1)
git(1)
api(1)
tomcat(1)
apache(1)
nginx(1)
SSL 证书(1)
serverless(1)
grunt(1)
游戏(1)
开源(1)
分布式(1)
网络安全(1)
html5(1)
jdk(1)
jvm(1)
yum(1)
numpy(1)
决策树(1)
npm(1)
keras(1)
迁移学习(1)
anaconda(1)
数据分析(1)
https(1)
ascii(1)
error(1)
height(1)
input(1)
it(1)
map(1)
min(1)
overflow(1)
padding(1)
precision(1)
python3(1)
random(1)
select(1)
txt(1)
url(1)
width(1)
wrapper(1)
z3(1)
备份(1)
登录(1)
继承(1)
集合(1)
开发环境(1)
搜索(1)
系统(1)
搜索文章
搜索
搜索
关闭
深入理解决策树算法
决策树
机器学习
神经网络
深度学习
人工智能
决策树(Decision Tree)是机器学习中一种经典的分类与回归算法。本文主要讨论用于分类的决策树。决策树模型呈树形结构,在分类问题中,决策树模型可以认为是if-then规则的集合,也可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性,分类速度快。决策树学习通常包括3个步骤:特征选择、决策树的生成和决策树的剪枝。
郭耀华
2019-11-08
961
0
【深度学习】一文读懂机器学习常用损失函数(Loss Function)
深度学习
机器学习
人工智能
损失函数(loss function)是用来估量模型的预测值f(x)与真实值Y的不一致程度,它是一个非负实值函数,通常使用L(Y, f(x))来表示,损失函数越小,模型的鲁棒性就越好。损失函数是经验风险函数的核心部分,也是结构风险函数重要组成部分。模型的结构风险函数包括了经验风险项和正则项,通常可以表示成如下式子:
郭耀华
2018-07-25
35.7K
0
【深度学习】数据降维方法总结
深度学习
机器学习
编程算法
图像识别
引言: 机器学习领域中所谓的降维就是指采用某种映射方法,将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y,其中x是原始数据点的表达,目前最多使用向量表达形式。 y是数据点映射后的低维向量表达,通常y的维度小于x的维度(当然提高维度也是可以的)。f可能是显式的或隐式的、线性的或非线性的。 目前大部分降维算法处理向量表达的数据,也有一些降维算法处理高阶张量表达的数据。之所以使用降维后的数据表示是因为:①在原始的高维空间中,包含有冗余信息以及噪音信息,在实际应用例
郭耀华
2018-07-05
1.6K
0
在linux ubuntu下搭建深度学习/机器学习开发环境
linux
ubuntu
深度学习
机器学习
anaconda
一、安装Anaconda 1.下载 下载地址为:https://www.anaconda.com/download/#linux 2.安装anaconda,执行命令: bash ~/Downloads
郭耀华
2018-05-09
2K
0
【深度学习】数据降维方法总结
深度学习
机器学习
编程算法
图像识别
引言: 机器学习领域中所谓的降维就是指采用某种映射方法,将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y,其中x是原始数据点的表达,目前最多使用向量表达形式。 y是数据点映射后的低维向量表达,通常y的维度小于x的维度(当然提高维度也是可以的)。f可能是显式的或隐式的、线性的或非线性的。 目前大部分降维算法处理向量表达的数据,也有一些降维算法处理高阶张量表达的数据。之所以使用降维后的数据表示是因为:①在原始的高维空间中,包含有冗余信息以及噪音信息,在实际应用例
郭耀华
2018-05-09
1.8K
0
深度学习——优化器算法Optimizer详解(BGD、SGD、MBGD、Momentum、NAG、Adagrad、Adadelta、RMSprop、Adam)
深度学习
编程算法
机器学习
在机器学习、深度学习中使用的优化算法除了常见的梯度下降,还有 Adadelta,Adagrad,RMSProp 等几种优化器,都是什么呢,又该怎么选择呢? 在 Sebastian Ruder 的这篇论文中给出了常用优化器的比较,今天来学习一下: https://arxiv.org/pdf/1609.04747.pdf 本文将梳理: 每个算法的梯度更新规则和缺点 为了应对这个不足而提出的下一个算法 超参数的一般设定值 几种算法的效果比较 选择哪种算法 ---- 0.梯度下降法深入理解 以下为个人总结,如有错误
郭耀华
2018-05-09
7.3K
0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档