新闻中心 
-
01-23了解广义线性模型的定义广义线性模型（GeneralizedLinearModel，简称GLM）是一种统计学习方法，用于描述和分析因变量与自变量之间的关系。传统的线性回归模型只能处理连...
-
01-23详解机器学习评估的F1得分指标准确性指标是衡量模型在整个数据集中正确预测的次数。然而，只有在数据集是类平衡的情况下，这个指标才是可靠的。也就是说，数据集中每个类别都有相同数量的样本。但是，现...
-
01-23机器学习优化器介绍 - 常见优化器类型及应用探讨优化器是一种优化算法，用于找到使误差最小化的参数值，以提高模型的准确性。在机器学习中，优化器通过最小化或最大化成本函数来寻找给定问题的最佳解决方案。在不同的算法...
-
01-23实际场景下的受限玻尔兹曼机（RBM）应用受限玻尔兹曼机（RBM）是一种基于能量模型的人工神经网络。它包含一个隐层，通过连接输入层和隐层中的每个神经元，但不同层的神经元之间没有连接。RBM是一种无向概率...
-
01-23权重初始化在全卷积神经网络中的应用在全卷积神经网络(FCN)中，基本上对于每一层，都有一个随机的权重初始化。并且有两点要注意：全卷积神经网络(FCN)在反向传播过程中不会使用0作为权重。这是因为...
-
01-23理解交叉熵：它对应的重要性是什么？熵量化了事件的不确定性大小。在数据科学中，交叉熵和KL散度与离散概率分布相关，用于衡量两个分布的相似程度。在机器学习中，通过交叉熵损失来评估预测分布与真实分布的...
