2 分类算法基础
分类:
文章
•
2025-04-06 15:11:22
- 图2.1是第1章开头中出现过的CNN整体图。
- 了解构成神经网络的各个节点的功能来从根本上理解CNN或深度学习的总体结构。
- 图2.1也可按照从右到左的顺序来依次理解,
- 神经网络也可理解为是在从右往左的扩张过程中逐渐形成的
- 最右边的“ Softmax”是“世界上最简单的”NN。
- 虽然只靠它也能够实现手写数字识别,但准确度没有那么高。
- 如果在它的前面增加“全连接层”后再组成新的神经网络,则能稍微提高
- 在已有结构前增加一个新结构,可逐渐提准确度
- 本书的讲解就这样一步一步依次增加结构并逐层解析
- 第一步,讲解在图2.1中最右边的“ Softmax函数”,
- 也就是通常为“线性分类器”或者“感知器”的节点的功能
2.1 逻辑回归之二元分类器
- 1.1.2节“神经网络的必要性”中介绍简单例子,
- 在其对病毒感染概率的计算中,
- 对输入数据进行分类的结果有“已被病毒感染”和“未被病毒感染”
- 通过计算概率后用概率值来进行分类。
- “机器学习模型三步走”
- 想出基于样本数据来预测未知数据的公式
- 准备可以判断公式中的参数是否最优的误差函数
- 决定能使误差函数取最小值的参数
