正則化與歸一化含**析：
正則化：
l0、l1、與l2範數：
備註：正則化就是對最小化經驗誤差函式上加約束，這樣的約束可以解釋為先驗知識(正則化引數等價於對引數引入先驗分布)。
約束有引導作用，在優化誤差函式的時候傾向於選擇滿足約束的梯度減少的方向，使最終的解傾向於符合先驗知識(如一般的l-norm先驗，表示原問題更可能是比較簡單的，這樣的優化傾向於產生引數值量級小的解，一般對應於稀疏引數的平滑解)。
關於正則化的理解
在機器學習中，如果引數過多或者過大，會導致過擬合的情況出現，通常可以在原損失函式上增加乙個正則項，或者叫懲罰項，來解決過擬合的問題。常用的正則化有兩種，l1正則化和l2正則化，分別對應 式1 和 式2 l1正則項是所有引數的絕對值之和，l2正則項是所有引數的平方和。這裡先下結論，l1正則化可以減小引...
dropout的正則化理解
dropout是hintion最近2年提出的，源於其文章improving neural newworks by preventing co adaptation of feature detectors.中文的意思 通過阻止特徵檢測器的共同作用來提高神經網路的效能 dropout效果同於baggi...
關於vue元件化的理解
元件化是vue的精髓，vue應用就是由乙個個元件構成的。1.定義 元件是可復用的 vue 例項，準確講它們是vuecomponent的例項，繼承自vue。2.優點 可以增加 的復用性 可維護性和可測試性。提高開發效率，方便重複使用，簡化除錯步驟，提公升整個專案的可維護性，便於協同開發，是高內聚 低耦...