档案 | 深度学习

用于预测建模的深度学习神经网络模型可能需要更新。这可能是因为自模型开发和部署以来数据发生了变化，或者自模型开发以来已提供了额外的标记数据，并且预计这些额外数据 [...]

预测区间为回归问题的预测提供了一个不确定性度量。例如，95% 的预测区间表示在 100 次中有 95 次，真实值将落在范围的下限和上限之间。这与可能代表不确定性中心的简单点预测不同 [...]

为新数据集开发神经网络预测模型可能具有挑战性。一种方法是首先检查数据集并构思可能适用的模型，然后探索简单模型在数据集上的学习动态，最后开发并调整一个具有稳健 [...] 的数据集模型。

权重初始化是开发深度学习神经网络模型时的一个重要设计选择。历史上，权重初始化涉及使用小的随机数，尽管在过去十年中，已经开发了更具体的启发式方法，这些方法利用信息，例如正在使用的激活函数的类型以及节点输入的数量。 [...]

对于初学者来说，关于用于训练深度学习神经网络模型的算法存在很多困惑。人们常听到神经网络使用“误差反向传播”算法或“随机梯度下降”进行学习。有时，其中一种算法被用作拟合神经网络的简写 [...]

为新数据集开发神经网络预测模型可能具有挑战性。一种方法是首先检查数据集并构思可能适用的模型，然后探索简单模型在数据集上的学习动态，最后开发并调整一个具有稳健测试平台的 [...] 的数据集模型。

激活函数是神经网络设计中的关键部分。隐藏层中激活函数的选择将控制模型学习训练数据集的程度。输出层中激活函数的选择将定义模型可以进行的预测类型。因此，一个 [...]

自动编码器是一种可以用来学习原始数据压缩表示的神经网络。自动编码器由编码器和解码器子模型组成。编码器压缩输入，解码器尝试从编码器提供的压缩版本重新创建输入。训练后，编码器模型 [...]

自动编码器是一种可以用来学习原始数据压缩表示的神经网络。自动编码器由编码器和解码器子模型组成。编码器压缩输入，解码器尝试从编码器提供的压缩版本重新创建输入。训练后，编码器 [...]

Softmax 是一个数学函数，它将一个数字向量转换为一个概率向量，其中每个值的概率与其在向量中的相对比例成正比。Softmax 函数在应用机器学习中最常见的用途是作为 [...] 的激活函数。