方差

標籤

貢獻6

12:42 AM · Nov 21 ,2025

@u_16099316

暱稱數據探索先鋒

Last seen
@u_56701

暱稱hackernew

Last seen
@u_15996251

暱稱明日cto

Last seen
@u_16213584

暱稱mob64ca13f87273

Last seen
@u_15988698

暱稱代碼天地

Last seen
@weltest

暱稱WEL測試

Last seen

@方差 / 博客 RSS 訂閱

Dec 29 2025

數據探索先鋒 - 深度學習特徵維數參數的設置

特徵向量：設A是n階方陣，如果有常數λ和n維非零列向量α的關係式Aα=λα成立，則稱λ為方陣A的特徵值，非零向量α稱為方陣A的對應於特徵值λ的特徵向量。特徵值分解：在python中使用numpy工具就可以實現。降維定義：將數據的特徵數量從高維轉換為低維。作用：解決高維數據的維度災難問題的一種手段；能夠作為一種特徵抽

數據集 , 數據 , 深度學習特徵維數參數的設置 , 人工智能 , 方差 , 深度學習

收藏評論

Nov 20 2025

hackernew - bp神經網絡增加動量因子神經網絡動量因子

Coursera吳恩達《優化深度神經網絡》課程筆記（3）-- 超參數調試、Batch正則化和編程框架 1. Tuning Process 深度神經網絡需要調試的超參數（Hyperparameters）較多，包括：：學習因子：動量梯度下降因子：Adam算法參數 #layers：神經網絡層數 #hidden units

卷積 , 神經網絡 , 人工智能 , 方差 , bp神經網絡增加動量因子

收藏評論

Dec 06 2025

明日cto - 機器學習——期望與方差

期望、方差是統計學中的核心概念，廣泛應用於機器學習的模型評估、特徵分析、正則化方法等領域。以下是對它們的系統講解，包括定義、性質、計算方法及實際應用一、期望（Expectation） 1. 定義期望是隨機變量在大量實驗中的“平均值”，用於描述其中心趨勢。離散隨機變量：連續隨機變量：

機器學習 , yyds乾貨盤點 , 人工智能 , 正則化 , 方差

收藏評論

Nov 21 2025

mob64ca13f87273 - 像數據科學家一樣思考：12步指南（中） - 阿里云云棲社區的個人空間 -

你可能正在處理來自不同醫院、不同設備或不同人羣的睡眠多導睡眠圖（PSG）材料集（比如 Sleep-EDF, SleepDG, HMC 等），並發現一個棘手的問題：在一個資料集上訓練得很好的模型，換到另一個內容集上效果就一落千丈。這個問題，大家稱之為域偏差（Domain Bias）或域偏移（Domain Shift）。這篇博客的唯一目的，就是帶你——一個“小白”——

數據集 , 資料集 , 後端開發 , 方差 , harmonyos

收藏評論

Dec 14 2025

代碼天地 - 突破隨機森林，結合ARIMA時間序列預測！！

一般來説，時間序列像一條由兩部分組成的河流：一部分是“平穩、能用直線或簡單公式描述”的水流（線性成分），另一部分是“突然的涌動、彎曲和複雜模式”（非線性成分）。 ARIMA 擅長抓住那部分可以用線性自迴歸/移動平均解釋的“規矩”水流；隨機森林擅長從複雜、非線性的關係裏找模式。把兩者“融合”起來，就是先用 ARIMA 把序列裏能用線性解釋的部分拿掉（得到殘差），再讓

隨機森林 , 擬合 , 服務器 , 方差 , 分佈式