起因： parser.add_argument("--label_smoothing", type=float, default=0.1, nargs="?", help="...
發簡信
IP屬地：河南
-
多分類任務中標簽平滑 -
關于lightgbm處理category特征的理解
之前一直使用的集成回歸樹模型都是RF，Xgboost，GBDT這三個，其中RF是bagging思想，Xgboost和GBDT是boosting思想。但是在嘗試了微軟開源的Li...
-
從參數空間到函數空間理解GBDT+XGBoost內容摘要 泰勒公式 最優化方法梯度下降法牛頓法 從參數空間到函數空間從Gradient descend到Gradient boosting從Newton's method到N...
-
xgboost的原理沒你想像的那么難xgboost 已然火爆機器學習圈，相信不少朋友都使用過。要想徹底掌握xgboost，就必須搞懂其內部的模型原理。這樣才能將各個參數對應到模型內部，進而理解參數的含義，根據需...
-
Chapter 2.2 各種Loss Function的比較本小節介紹一些常見的loss函數 1. l1_loss&l2_loss 衡量預測值與真實值的偏差程度的最常見的loss： 誤差的L1范數和L2范數 因為L1范數在誤差接近0的...
-
Keras實現基于MSCNN的人群計數對圖片中的物體進行計數是一個非常常見的場景，尤其是對人群或者車輛計數，通過計數我們可以獲得當前環境的流量與擁擠狀況。現有的人群計數方法通常可以分為兩類：基于檢測的方法和基于回...
-
Keras深度強化學習-- Policy Network與DQN實現最近在接觸一些關深度強化學習(DRL)的內容，本文是學習DRL過程中對Demo的復現與理解。相關原理推薦李宏毅的Q-Learning強化學習和深度強化學習課程。 強化學習中有...
-
[高中生也能看懂的算法邏輯1] 下一個排列很多人都覺得學習算法，并木有什么卵用，因為覺得生活上用不到。然而開始學習編程的時候，學算法，到了高級工程師的時候，依然要學習算法。因為工程師對時間和空間的衡量尤為重要。這里教...
