現象：訓練樣本中，正負樣本數量的比例較大。
- 過取樣。增加正例樣本數量，使得正負樣本數量接近，然後再進行學習。
- 欠取樣。去除反例樣本數量，使得正負樣本數量接近，然後再進行學習。
- 設定閾值。基於原始資料集學習，當使用已訓練好的分類器進行**時，將正負樣本數量的比例作為閾值嵌入到決策過程中。
凸集：若對集合c中任意兩點u和v，連線他們的線段仍在集合c中，那麼集合c是凸集。
公式表示為：αu+(1-α)v∈c α∈[0, 1]
凸函式：凸集上的函式是凸函式。凸函式的每乙個區域性極小值也是全域性極小值( f(x) = 0.5
常見的深度學習面試題及解答 三
往期回顧 常見的深度學習面試題及解答 一 常見的深度學習面試題及解答 二 1.怎樣提公升網路的泛化能力？從演算法調優上提公升效能 用可靠的模型診斷工具對模型進行診斷，權重的初始化，用小的隨機數初始化權重。對學習率進行調節，嘗試選擇合適的啟用函式，調整網路的拓撲結構，調節batch和epoch的大小，...
深度學習面試題目 1
1 二者都是整合學習演算法，都是將多個弱學習器組合成強學習器的方法。2 bagging 套袋法 從原始資料集中每一輪有放回地抽取訓練集，訓練得到k個弱學習器.對於分類 將這k個弱學習器以投票的方式得到最終的分類結果。對回歸問題 計算上述模型的均值作為最後的結果。所有模型的重要性相同 3 boosti...
常見深度學習面試題總結
目錄 最常見的幾個問題 分類 機器學習 特徵工程 深度學習 計算機視覺cv 自然語言處理nlp 推薦系統 深度之眼學習筆記 1.線性回歸與邏輯回歸區別，lr與svm區別和聯絡 2.svm原理 3.手撕svm，k means源 1.寫出全概率公式 貝葉斯公式 2.模型訓練為什麼要引入偏差 bias 和...