目前为止，我们所用的激活函数都是sigmoid函数，但有时其他函数的效果要更好，本文将介绍其他常用的激活函数。

limx→x0​​fxL，表示函数fx在x0​处的极限为L。

本部分来说说在YOLO算法中如何定义bounding box，即bxbybhbwbx​by​bh​bw​的值。我们约定每一个格子左上角的坐标为00(0,0)00，右下角的坐标是11(1,1)11其中，bxbyb_x,b_ybx​by​的范围在0到1内，而bhbwb_h,b_wbh​bw​则有可能大于1。

【深度学习基础】系列博客为学习Coursera上吴恩达深度学习课程所做的课程笔记。

【机器学习基础】系列博客为参考周志华老师的《机器学习》一书，自己所做的读书笔记。

【机器学习基础】系列博客为参考周志华老师的《机器学习》一书，自己所做的读书笔记。

即然将属性条件独立性假设放松为独依赖假设可能获得泛化性能的提升，那么，能否通过考虑属性间的高阶依赖（即对多个属性依赖）来进一步提升泛化性能呢？也就是说，将式(5)中的属性paipa_ipai​替换为包含kkk个属性的集合paipai​，从而将ODE拓展为kDE。需注意的是，随着kkk的增加，准确估计概率Pxi∣ypaiPxi​∣ypai​所需的训练样本数量将以指数级增加。因此，若训练数据非常充分，

剪枝(pruning)是决策树学习算法对付“过拟合”的主要手段。决策树剪枝的基本策略有“预剪枝(prepruning)”和“后剪枝(postpruning)”。👉预剪枝是指在决策树生成过程中，对每个结点在划分前先进行估计，若当前结点的划分不能带来决策树泛化性能提升，则停止划分并将当前结点标记为叶结点。👉后剪枝则是先从训练集生成一棵完整的决策树，然后自底向上地对非叶结点进行考察，若将该结点对应的

【机器学习基础】系列博客为参考周志华老师的《机器学习》一书，自己所做的读书笔记。

【机器学习基础】系列博客为参考周志华老师的《机器学习》一书，自己所做的读书笔记。