(第一部分 机器学习基础)第01章 机器学习概览第02章 一个完整的机器学习项目(上)第02章 一个完整的机器学习项目(下)第03章 分类第04章 训练模型第05章 支持向量...

(第一部分 机器学习基础)第01章 机器学习概览第02章 一个完整的机器学习项目(上)第02章 一个完整的机器学习项目(下)第03章 分类第04章 训练模型第05章 支持向量...
训练和损失函数部分有点小错误
这个损失函数是合理的,因为当t接近0时,-log(t)变得非常大,所以如果模型估计一个正例概率接近于 0,那么损失函数将会很大,同时如果模型估计一个负例的概率接近 1,那么损失函数同样会很大。 另一方面,当接近于 t接近1 时,-log(t)接近 0,所以如果模型估计一个正例概率接近于1,那么损失函数接近于0,同时如果模型估计一个负例的概率接近0,那么损失函数同样会接近于0, 这正是我们想的。
《Scikit-Learn与TensorFlow机器学习实用指南》 第04章 训练模型(第一部分 机器学习基础)第01章 机器学习概览第02章 一个完整的机器学习项目(上)第02章 一个完整的机器学习项目(下)第03章 分类第04章 训练模型第05章 支持向量...
有一点小错误,多标签分类那里
比方说,这个分类器被训练成识别三个人脸,Alice,Bob,Charlie;然后当它被输入一张含有 Alice 和 Bob 的图片,它应该输出[1, 0, 1](意思是:Alice 是,Bob 不是,Charlie 是)。
应该是输入一张含有Alice和Charlie的图片吧
《Scikit-Learn与TensorFlow机器学习实用指南》 第03章 分类(第一部分 机器学习基础)第01章 机器学习概览第02章 一个完整的机器学习项目(上)第02章 一个完整的机器学习项目(下)第03章 分类第04章 训练模型第05章 支持向量...