V
主页
1.15 岭回归模型
发布人
岭回归是对线性回归的优化,在线性回归的基础上,对损失函数增加了一个L2正则项,目的是降低方差,提高模型泛化能力,如公式1.17所示。
打开封面
下载高清视频
观看高清视频
视频下载器
1.18 XGBoost回归模型
1.4 相关矩阵
3.28 训练resNet50 模型
1.8 同方差与异方差
1.2 训练集观察
6.9 定义BERT模型和RoBERTa模型
1.11 Python IO 数据流
1.21 模型比较
1.20 Stacking回归模型
7.12 FaceNet人脸识别模型
7.12 EfficientNet模型定义
3.20 ResNet卷积网络
3.25 制作HDF5数据集
2.10 定义卷积层
4.8 DenseNet121模型定义
2.11 简单卷积神经网络
6.5 Transformer模型
3.26 迁移学习与特征提取
1.10 参数估计
2.3 Wireshark过滤器
5.1 什么是AlphaFold
2.9 三维卷积
2.7 边缘扩充
2.5 TCP控制头解析
2.16 数据集划分
1.2 客户机服务器模式
2.13 经典结构LeNet-5
宾夕法尼亚大学《人工智能和机器学习基础(AI、数据科学、机器学习)AI and Machine Learning Essentials with Python》
8.7 人脸相似度计算
6.6 BERT模型
1.3 列变量观察
3.18 Softmax回归
1.11 新建Android项目
大数据与机器学习经典案例(微课视频版)
1.17 ElasticNet回归模型
3.9 损失函数
1.19 Voting回归模型
1.9 线性回归假设
1.3 TCP IP通信协议
5.6 数据集预处理与划分