【小记】深度学习学习
2017-06-02 19:54
190 查看
推荐给初学LSTM或者懂个大概却不完全懂的人:http://blog.csdn.net/u014422406/article/details/52806430
https://www.zhihu.com/question/24627666
核函数:https://www.zhihu.com/question/24627666(第二个回答佳)
核函数的作用就是隐含着一个从低维空间到高维空间的映射,而这个映射可以把低维空间中线性不可分的两类点变成线性可分的。
在机器学习中常用的核函数,一般有这么几类,也就是LibSVM中自带的这几类:
1) 线性 2) 多项式 3) Radial basis function 4) Sigmoid
softmax:https://www.zhihu.com/question/23765351
sigmoid将一个real value映射到(0,1)区间(也可以是(-1,1)),这样可以用来做二分类。
softmax把一个k维的real value向量(a1,a2,a3,a4….)映射成一个(b1,b2,b3,b4….)其中bi是一个0-1的常数,然后可以根据bi的大小来进行多分类的任务,如取权重最大的一维。
https://www.zhihu.com/question/24627666
核函数:https://www.zhihu.com/question/24627666(第二个回答佳)
核函数的作用就是隐含着一个从低维空间到高维空间的映射,而这个映射可以把低维空间中线性不可分的两类点变成线性可分的。
在机器学习中常用的核函数,一般有这么几类,也就是LibSVM中自带的这几类:
1) 线性 2) 多项式 3) Radial basis function 4) Sigmoid
softmax:https://www.zhihu.com/question/23765351
sigmoid将一个real value映射到(0,1)区间(也可以是(-1,1)),这样可以用来做二分类。
softmax把一个k维的real value向量(a1,a2,a3,a4….)映射成一个(b1,b2,b3,b4….)其中bi是一个0-1的常数,然后可以根据bi的大小来进行多分类的任务,如取权重最大的一维。
相关文章推荐
- 171103 深度学习主机配置暑假攒机小记
- Andrew Ng 深度学习课程小记
- 深度学习主机攒机小记
- 神经网络深度学习 学习小记
- Boost学习笔记之六 深度剖析pool
- shtml学习,Tomcat配置SSI,及语法指令小记
- c++primer学习小记
- 关于Linux的学习小记
- 学习小记——RMI编程技术1
- Castle ActiveRecord学习实践(10):深度分析Schema Pitfals
- C++Primer学习小记1
- 分享《21个项目玩转深度学习:基于TensorFlow的实践详解》PDF+源代码
- Shark工作流解决方案的学习小记
- java 深度历险 小记
- fedora8使用小记之四:学习_系统引导过程及硬盘分区结构论述
- shtml学习,Tomcat配置SSI,及语法指令小记
- struts-helloapp 学习小记
- sniffer pro学习小记(更新ing)
- Python 学习小记:Python Tutorial
- Log4j学习小记