基本概念
訓練集，測試集、特徵值、監督學習、非監督學習、半監督徐熙、分類、回歸
概念學習：從某個布林函式的輸入輸出訓練樣例中推斷出該布林函式
例項集合x
x：樣例
x：每乙個例項
c(x)：目標概念
學習目標 f:x->y
訓練集 training set/data 訓練樣例training example
:用來專門訓練，也就是產生模型或者演算法的資料集。
測試集 testing set/data 測試樣例 testing example
：用來專門測試已經學習好的模型或者演算法的資料集
特徵向量 feature/feature vector
:屬性的集合，通常用乙個向量表示，附屬乙個例項
標記 :例項的標記類別
正例、反例
分類classification :目標標記為類別型資料 （category）
回歸regression :目標標記為連續性數值 （continuous number value）
例子：研究腫瘤良性，惡性於尺寸，顏色的關係
特徵值：腫瘤尺寸 …
標記：良性、惡性 （分類：目標標記為類別型資料）
有監督學習（supervised learning）:訓練集有類別標記 （class label）
無監督學習（unsupervised learning）：無類別標記
半監督學習（semi-supervised learning）:有類別標記的訓練集+無標記的訓練集
機器學習框架
1：把資料拆分為訓練集和測試集
2：用訓練集和訓練集的特徵向量來訓練演算法
3：用學習來的演算法運用在測試集上來評估演算法（涉及到調整引數（parameter tuning）用驗證集(validation set））
深度學習1
幾天無聊，看darknet的原始碼 1.學習率 訓練的時候看到輸出資訊沒有learning rate,進 看看，發現 network.c 裡面的get current rate net 就是獲取學習率的，列印出來的rate就是lr啦 另外，訓練densenet的時候，先burning in 1000...
深度學習1
深度學習概念理解 1.訓練集 一組資料用來訓練模型 2.驗證集 一組資料，用來調整模型引數 交叉驗證 3.測試集 與訓練集保持相同分布的一組分布，用來測試模型的好壞 不參與模型的引數調整 4.batchsize 一次用來訓練的樣本數目。太小，不收斂 太大，訓練速度下降，記憶體也可能支援不住 5.ep...
深度學習1
收到的任務是用深度學習求解偏微分方程，所以只學習機器學習中的深度學習 這篇部落格是梳理整個學習框架，由機器學習的一些基本概念到深度學習，其中涉及到的一些小知識點分別寫在別的部落格中 1.機器學習分類 deep learning 屬於機器學習中監督學習的非線性模型 可是在後面的學習過程中，發現deep...