![](../../asset/images/user/bgImg_default.jpeg)
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
机器学习:决策树之信息熵、信息增益、信息增益率、基尼指数分析
信息熵信息理论从信息的完整性描述:当系统的有序状态一致时,数据越集中的地方熵值越小,数据越分散的地方熵值越大。从信息的有序性描述:当数据量一致时,系统越有序,熵值越低;系统越混乱或者分散,熵值越高。“信息熵” (information entropy)是度量样本集合纯度最常用的一种指标。信息熵理解信息熵是一个变量包含信息多少的度量方式信息熵的值越大,则认为该变量包含的信息量就大信息熵越大,表示包含
深度学习:目标分割|UNet网络模型及案例实现
1 UNet网络架构UNet网络由左编码部分,右解码部分和下两个卷积+激活层组成编码部分从图中可知:架构中是由4个重复结构组成:2个3x3卷积层,非线形ReLU层和一个stride为2的2x2 max pooling层(图中的蓝箭头,红箭头)每一次下采样特征通道的数量加倍解码部分和编码层类似,反卷积也有4个重复结构组成每个重复结构前先使用反卷积,每次反卷积后特征通道数量减半,特征图大小加倍(绿箭头
深度学习:目标分割|UNet网络模型及案例实现
1 UNet网络架构UNet网络由左编码部分,右解码部分和下两个卷积+激活层组成编码部分从图中可知:架构中是由4个重复结构组成:2个3x3卷积层,非线形ReLU层和一个stride为2的2x2 max pooling层(图中的蓝箭头,红箭头)每一次下采样特征通道的数量加倍解码部分和编码层类似,反卷积也有4个重复结构组成每个重复结构前先使用反卷积,每次反卷积后特征通道数量减半,特征图大小加倍(绿箭头
到底了