应用机器学习之所以具有挑战性，是因为为特定问题设计完美的学习系统是难以实现的。你的问题没有最佳的训练数据或最佳算法，只有你能发现的最佳。应用机器学习最好被视为一个搜索问题，寻找最佳的映射 […]
作者归档 | Jason Brownlee
为什么应用机器学习很难
如何应对应用机器学习的棘手问题。应用机器学习很有挑战性。你必须做出许多没有已知“正确答案”的决策，例如：应该使用什么问题框架？应该使用什么输入和输出数据？应该使用什么学习算法？应该如何配置算法 […]
深度学习的迁移学习入门
迁移学习是一种机器学习方法，其中为某个任务开发的模型被重用，作为第二个任务的模型起点。它是深度学习中一种流行的方法，在这种方法中，鉴于海量 […]
神经网络中梯度爆炸问题的简明介绍
梯度爆炸是一个问题，其中大的误差梯度累积，并导致在训练期间神经网络模型权重发生非常大的更新。其效果是你的模型不稳定，无法从你的训练数据中学习。在本文中，你将发现深度人工神经网络的梯度爆炸问题 […]
机器学习中概念漂移入门指南
数据会随着时间变化。这会导致假设输入和输出变量之间存在静态关系的预测模型产生较差且不断下降的预测性能。数据中潜在关系变化的这个问题在机器学习领域被称为概念漂移。在本文中，你将发现概念漂移的问题 […]
如何在 Keras 中可视化深度学习神经网络模型
Keras Python 深度学习库提供了可视化和更好地理解你的神经网络模型的工具。在本教程中，你将确切地了解如何在 Keras 中汇总和可视化你的深度学习模型。完成本教程后，你将知道：如何创建深度学习模型的文本摘要。如何 […]
机器学习中分类与回归的区别
分类和回归问题之间存在重要区别。从根本上说，分类是关于预测标签，而回归是关于预测数量。我经常看到一些问题，例如：如何计算我的回归问题的准确率？诸如此类的问题表明未能真正理解分类和回归之间的区别 […]
Keras 中用于文本摘要的编码器-解码器模型
文本摘要是自然语言处理中的一个问题，即创建源文档的简短、准确、流畅的摘要。为机器翻译开发的 Encoder-Decoder 循环神经网络架构已被证明在应用于文本摘要问题时非常有效。在 Keras 深度学习中应用此架构可能很困难 […]
什么是循环神经网络的教师强制（Teacher Forcing）？
Teacher forcing 是一种快速有效地训练循环神经网络模型的方法，它使用前一时间步的真实标签作为输入。它是一种网络训练方法，对于开发深度学习语言模型至关重要，这些模型用于机器翻译、文本摘要和图像标题等许多其他应用。在 […]
如何为文本摘要准备新闻文章
文本摘要是将文章创建成简短、准确、流畅摘要的任务。一个流行且免费的用于深度学习方法文本摘要实验的数据集是 CNN 新闻故事数据集。在本教程中，你将学习如何为文本摘要准备 CNN 新闻数据集。完成 […]