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
258164
阅读量
41
订阅数
订阅专栏
申请加入专栏
全部文章
java
其他
编程算法
python
android
深度学习
tcp/ip
机器学习
二叉树
tensorflow
bash
linux
bash 指令
图像处理
存储
卷积神经网络
hashmap
c 语言
unix
网站
http
容器
缓存
kernel
windows
数据结构
c++
xml
数据库
sqlite
sql
eclipse
github
ubuntu
神经网络
文件存储
人工智能
图像识别
grep
安全
filter
import
list
max
set
统计
装饰器
费用中心
NLP 服务
javascript
ruby
actionscript
html
json
git
api
tomcat
apache
nginx
SSL 证书
serverless
grunt
游戏
开源
分布式
网络安全
html5
jdk
jvm
yum
numpy
决策树
npm
keras
迁移学习
anaconda
数据分析
https
ascii
error
height
input
it
map
min
overflow
padding
precision
python3
random
select
txt
url
width
wrapper
z3
备份
登录
继承
集合
开发环境
搜索
系统
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
959
0
批标准化(Batch Norm)
神经网络
BN作用： 加速收敛 控制过拟合，可以少用或不用Dropout和正则 降低网络对初始化权重不敏感 允许使用较大的学习率 一、如何加速收敛？ 通过归一化输入值/隐藏单元值，以获得类似的范围值，可加速学习。 限制了在前层的参数更新会影响数值分布的程度，使层的输出更加稳定，神经网络的之后的层就会有更坚实的基础（减弱了后层的参数因前层参数发生变化而受到的影响） 减弱了前层参数的作用与后层参数的作用之间的联系，使得网络每层都可以自己学习，稍稍独立于其他层，有助于加速整个网络的学习。 二、为什么说BN也会起到一定的正
郭耀华
2018-05-09
1.5K
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