1、我们将要实现一种更强大的方法来解决图像分类问题，该方法可以自然地延伸到神经网络和卷积神经网络上。这种方法主要有两部分组成：一个是评分函数（score function），它是原始图像数据到类别分值的映射。另一个是损失函数（loss function），它是用来量化预测分类标签的得分与真实标签 ...

转载请注明作者：梦里风林 Github工程地址：https://github.com/ahangchen/GDLnotes 欢迎star，有问题可以到Issue区讨论 官方教程地址 视频/字幕下载 ...

监督学习多用来解决分类问题，输入的数据由特征和标签两部分构成。我们由浅入深地介绍一些经典的有监督的机器学习算法。 这里介绍一些比较简单容易理解的处理线性分类问题的算法。 线性可分&线性不可分 首先，什么是线性分类问题？线性分类问题是指，根据标签确定的数据在其空间中的分布，可以使用一条 ...

Linear Discriminant Analysis（线性判别分类器）是对费舍尔的线性鉴别方法(FLD)的归纳，属于监督学习的方法。 LDA的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类 ...

Neighbor （k-NN）分类器，该分类器的基本思想是通过将测试图像与训练集带标签的图像进行比较 ...

第一讲 深度学习概述 1.1 深度学习的引出 特点： 通过 组合低层特征，形成了更加抽象的 高层特征。 表达式中的 u，w参数需要在训练中通过 反向传播多次迭代调整，使得整体的 分类误差最小。 深度学习网络往往 包含多个中间层（隐藏层），且网络结构要更复杂一些 ...

目录 一、Normlization BN LN 二、过拟合和欠拟合 如何区分过拟合和欠拟合？ 过拟合的原因？ ...

监督学习经典模型 机器学习中的监督学习模型的任务重点在于，根据已有的经验知识对未知样本的目标/标记进行预测。根据目标预测变量的类型不同，我们把监督学习任务大体分为分类学习与回归预测两类。监督学习任务的基本流程：首先准备训练数据，可以是文本、图像、音频等；然后抽取所需要的特征，形成特征向量 ...