交叉熵损失函数（作用及公式推导） 一、总结 一句话总结： $$C = - \frac { 1 } { n } \sum _ { x } [ y \ln a + ( 1 - y ) \ln ( 1 ...

数据挖掘十大经典算法（各自优缺点 / 适用数据场景） 一、总结 一句话总结： 【C4.5】（一种分类决策树算法）、【K-Means算法】（聚类算法） 【Support vector machi ...

无偏估计量通俗易懂理解 一、总结 一句话总结： 概率论中的无偏估计中的偏就是机器学习中我们常常遇见的偏差bias，方差也是对应的 二、无偏估计量通俗易懂理解（转） 转自：http ...

全概率公式和贝叶斯公式 一、总结 一句话总结： 全概率就是表示达到某个目的，有多种方式（或者造成某种结果，有多种原因），问达到目的的概率是多少（造成这种结果的概率是多少） 贝叶斯公式就是当已知 ...

深度学习中，交叉熵损失函数为什么优于均方差损失函数 一、总结 一句话总结： A)、原因在于交叉熵函数配合输出层的激活函数如sigmoid或softmax函数能更快地加速深度学习的训练速度 B) ...

深度学习四大经典书籍 一、总结 一句话总结： 《Deep Learning with Python》：是 Keras 作者写的书，所以全书基本围绕着 Keras 讲深度学习的各种实现，从 CNN ...