某些数据缺失75%处理缺失值的方法很一般利用的中位数找出异常值，表的读书为0的情况log1p参考：https://www.zhihu.com/question/28676215https://blog.csdn.net/qq_36523839/article/details/82422865数据预处理：参考：https://www.cnblogs.com/p...

pytorch实现余弦相似度

深度学习中的数学基础

pytorch实现余弦相似度

文章目录github看笔记的好处如何解决加载慢的问题github看笔记的好处markdown和code能一起使用真是非常方便，在本地使用jupyter notebook书写笔记，然后上传到github上，不仅自己复习的时候方便查阅，还能帮到其他有需要的人。在github上查看ipynb文件以及大文件时，需要加载很长时间，而且经常加载失败。使用起来很不方便而且让人头疼、浪费时间。比如我查看优达...

意思是把梯度置零，也就是把loss关于weight的导数变成0，即将梯度初始化为零（因为一个batch的loss关于weight的导数是所有sample的loss关于weight的导数的累加和）；采用随机梯度下降进行训练，损失函数采用常用的均方损失函数，设置学习率为0.1，可以根据需要进行设置，原则上越小学习越慢，但是精度也越高，然后进行迭代训练（这里设置为5000次）.是一个实现了各种优化算法的

深度学习中的数学基础

1个epoch等于使用全部训练数据训练一次，也可以说1个epoch是整个输入数据的单次向前和向后传递。epoch的值就是同样的一个全部训练数据集被重复用几次来训练，亦即应当完整遍历训练数据集多少次。把全部训练数据分为若干个批(batch），按批来更新参数(拿到一批样本点的error之后才去update参数)。既不是像Batch gradient descent(批梯度下降)那样,遍历全部数据集算一

机器学习中相似度距离的详细介绍：https://www.cnblogs.com/heaad/archive/2011/03/08/1977733.html

文章目录1.为什么在序列模型使用CNN等神经网络效果不好2.介绍一下RNN：3 RNN的图4 RNN的前向传播：4 交叉熵损失5 时序反向传播算法(BPTT)（重要）梯度爆炸 消失1.为什么在序列模型使用CNN等神经网络效果不好序列数据前后之间是有很强的关联性如：曾经有一份真挚的感情,摆在我面前,我没有去?_序列数据的输入输出长度不固定2.介绍一下RNN：（1）循环(...