機器學習與人工智慧

第七章:新版tensorflow入門,RNN與LSTM

1、概述 傳統的神經網路對線性迴歸、邏輯迴歸都有比較好的效果。卷積神經網路主要應用與計算機視覺技術。使用過濾器對圖片的邊緣特徵值進行檢測。在之前的章節中使用cnn對文字分類其實是借用了計算機視覺的一些原理,過濾器的尺寸也有著特殊的設定。在人工智慧領域還有一種應用場景,就是序列模型。 之前的演算法總體 […]

tensorflow 匯入資料(2)

1、概述 在前一篇文章中詳細討論了迭代器與資料集的相關內容。由於資料集與迭代器是連結原始資料與程式連線的渠道,所以本文主要討論如何從原始資料中構建資料集,主要涉及以下場景: 記憶體 TFRecord data 文字檔案 csv檔案 2、從記憶體中讀取資料 如果所有的資料都以numpy資料組的形式預先 […]

粒子群演算法求函式極值

粒子群演算法是群智慧演算法中的一種,除此之外還有其他的群智慧演算法,如蟻群演算法、猴群演算法、魚群演算法等等。本文是關於粒子群演算法的。所有的群智慧演算法都是通過模擬自然界中的生物群體的行為來解決問題的一種思想,同遺傳演算法一樣,群智慧演算法的數學理論基礎相對薄弱,缺乏具備普遍意義的理論性分析,演算 […]

(通俗理解)機器學習中 L1 和 L2 正則化的直觀解釋

機器學習中,如果引數過多,造成模型過於複雜,容易造成過擬合(overfiting),即模型在訓練樣本資料上表現的很好,但在實際測試樣本上表現的較差,即不具有很強的泛化能力。為了避免過擬合,最常用的一種方法是使用正則化,例如 L1 和 L2 正則化,分別對應於迴歸分析中的Lasso迴歸和Ridge迴歸 […]