AI视觉实战班：机器学习&深度学习基础课

同学笔记

• 

  weixin_50588876 2020-10-18 11:18:23

  来源：欠拟合和过拟合 查看详情

  过拟合 解决方法：

  1.增加训练数据量

  2.减少特征数

  3.减小模型复杂度

  4.在目标函数中增加正则项（系数的平方和和系数的绝对值和，系数为人工设定的参数，调节正则项与损失函数之间的比重）

  5 其他，如EARLY STOPPING 、BOSTING、BAGGING等。

• 

  qq_26315647 2020-08-08 06:53:21

  来源：线性回归的Keras实现03-损失函数、梯度下降和评价指标 查看详情

  mgd小批量梯度下降

  随机梯度下降sgd

• 

  weixin_45386895 2020-08-03 09:16:25

  来源：线性回归的Keras实现04-模型设置、模型验证、模型预测 查看详情

  model=Sequential()

  model.add(Dense(input_dim=1,units=1,name='dense')

  model.compile(loss='mse',optimizer=tf.keras.optimizers.SGD(learning_rate=1e-5))

  model.summary

  history=model.fit(x=x_train,y=y_train,batch_size=2,epochs=100,validation_split=0.2)

  history.history#含有训练集loss和验证集loss的字典

  pd.DataFrame(history.history).plot(figsize=(8,5))#转换为padas数据并画图

  plt.xlabel('epoch')

  plt.show()

  loss=model.evaluate(x=x_test,y=y_test)#模型验证

  print(loss）

  y_test_pred=model.predict(x=x_test)

  print(y_test_pred)

  plt.scatter(x_test,y_test,color='g',label='test dataset')

  plt.scatter(x_train,y_train,color='b',label='train dataset')

没有更多了