标签： 机器学习

机器学习中常用的评估指标主要包括:一、准确率(Accuracy)计算预测正确的样本数占所有样本数的比例。公式:… 继续阅读 【机器学习】机器学习的评估指标有哪些？

LSTM（Long Short-Term Memory）和 GRU（Gate Recurrent Unit）都… 继续阅读 LSTM和GRU的区别是什么？

RNN存在梯度消失和爆炸的一个主要原因是权重参数W的更新。 RNN在反向传播过程中使用链式法则计算每个节点的梯… 继续阅读 RNN如何解决RNN的梯度消失和爆炸问题？

WORD2VEC模型的工作原理主要为:i、统计分布假设WORD2VEC假设如果两个词在相似的语言环境中使用,那… 继续阅读 WORD2VEC模型的原理和工作过程是什么？

TF-IDF(Term Frequency-Inverse Document Frequency)在文本挖掘中… 继续阅读 【机器学习】TF-IDF在文本挖掘中的应用是什么？

卷积核是卷积操作中的核心参数。它是一个可训练的小矩阵(tensor),用于与输入的数据进行卷积运算,提取特征。… 继续阅读 什么是卷积核？如何设计一个卷积核？代码举例讲解

词袋模型(Bag of Words)是一种用于文本特征表示和文本分类的方法。它的工作原理主要包括以下几个方面:… 继续阅读 词袋模型用于文本特征提取的原理是什么？

朴素贝叶斯文本分类的主要实现步骤为:一、构建词汇表遍历整个文本集合,为每个不同的词构建一个索引,形成词汇表。 … 继续阅读 朴素贝叶斯文本分类的实现步骤是什么？

余弦相似度(Cosine Similarity)是用来衡量0到1之间两个向量之间相似度的数学表达式。 计算公式… 继续阅读 【机器学习】余弦相似度计算公式是什么？

批量归一化(Batch Normalization)是一种用于训练神经网络的技术。它的思想是:对网络中的每一层… 继续阅读 什么是批量归一化（Batch Normalization）？它的作用是什么？代码举例讲解

EM(期望最大化)算法的工作原理主要包括以下几个步骤:一、E步骤 – 期望根据当前参数估计,计算隐… 继续阅读 EM算法的工作原理是什么？

反向传播算法是一种通过链式求导计算复杂函数的梯度的算法。它通过递归地应用链式法则,从函数的最终输出层一层层地向… 继续阅读 什么是反向传播算法？它是如何计算梯度的？代码举例讲解

Apriori算法是一个用于发现频繁项集的指挥式算法。它的工作原理主要包括以下几个步骤:一、候选项集生成首先需… 继续阅读 【机器学习】Apriori算法的工作原理是什么？

交叉验证的主要目的是为了更准确地估计模型在新的未知数据上的泛化能力。具体来说,包括以下几个方面:一、测试泛化能… 继续阅读 交叉验证的目的是什么？

算法参数调优的主要方法包括:一、手动调参根据经验或启发式知识,手动设置参数值。适用于参数较少的模型。主要缺点是… 继续阅读 算法参数调优的方法有哪些？