1）什么是A/B测试?A/B测试就是两种模型同时运行，并在实际环境中验证其效果的方式。在互联网公司中，A/B测试是验证新模块、新功能、新产品是否有效，新算法、新模型的效果是否有提升，新设计是否收到用户欢迎，新更改是否影响用户体验的主要测试方法。在机器学习领域中，A/B测试是验证模型最终效果的主要手段。2）为什么需要A/B测试？离线评估无法完全消除模型过拟合的影响，因此，得出的离线评估结果无法完全替

文章目录2.3 神经网络简介概述神经网络的表示激活函数为什么激活函数都是非线性的sigmod 函数tanh 函数ReLU 函数Leaky Relu 函数深入理解前向传播和反向传播正向传播反向传播2.3 神经网络简介目前最广泛使用的定义是Kohonen于1988年的描述，神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所做出的交互反应。概述在生物神

机器学习-03机器学习-03决策树基本算法原理集合算法AdaBoost模型（正向激励）GBDT自助聚合随机森林机器学习-03决策树基本算法原理核心思想：相似的输入必会产生相似的输出。例如预测某人薪资：年龄：1-青年，2-中年，3-老年学历：1-本科，2-硕士，3-博士经历：1-出道，2-一般，3-老手，4-骨灰性别：1-男性，2-女性年龄学历经历性别==>薪资1111==>6000（低

激活函数：神经网络中将输入信号的总和转换为输出信号的函数，激活函数将多层感知机输出转换为非线性，使得神经网络可以任意逼近任何非线性函数，使神经网络可以应用到众多的非线性模型中。常用的激活函数及特点：1）sigmoid① 定义：sigmoid函数也叫Logistic函数，用于隐层神经元输出，能将(−∞,+∞)(-\infty,+\infty)(−∞,+∞)的数值映射到(0,1)的区间，可以用来做二分

1）什么是激活函数，为什么要用激活函数？激活函数，指神经网络中将输入信号的总和转换为输出信号的函数，激活函数将多层感知机输出转换为非线性，使得神经网络可以任意逼近任何非线性函数，这样神经网络就可以应用到众多的非线性模型中。2）神经网络中常用的激活函数有哪些，各自有什么特点？（1）sigmoid①定义：sigmoid函数用于影藏层神经元输出，能将数值映射到(0,1)区间，可用来做二分类，表达式为：f

决策树分类决策树分类和决策树回归思想基本相同，不同的是，决策树分类器输出为离散值。通过决策树进行分支处理，最后落到叶子节点上，使用投票的方式来决定预测结果属于哪个类别。支持向量机1）什么是支持向量机？支持向量机是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化。所谓“支持向量机”，就是下图中虚线穿过的边缘点。支持向量机就对应着能将数据正确划分并且间隔最大的直线。2）

1）什么是特征归一化对数值类型的特征做归一化，可以将所有的特征都统一到一个大致相同的数值区间内。2）为什么要特征归一化为了消除数据特征之间的量纲影响，使得不同指标之间有可比性。归一化后加快了梯度下降求最优解的速度。归一化有可能提高精度。3）特征归一化常用方法线性函数归一化：它对原始数据进行线性变换，使结果映射到[0,1]的范围，实现对原始数据的等比缩放。零均值归一化：它会讲原始数据映射到均值为0，

1）在图像分类任务重，训练数据不足会带来什么问题？当训练数据不足时，说明模型从原始数据中获取的信息比较少，这种情况下要保证模型的效果，就需要更多鲜艳信息，具体到图像分类任务上。训练数据不足带来的问题主要表现在过拟合方面，即模型在训练样本上的效果可能不错，但在测试集上的泛华效果不佳。2）如果缓解数据量不足带来的问题?一定程度内的随机旋转、平移、裁剪、填充、左右翻转等，这些变换对应着同一个目标在不同角

OpenCV实验案例文章目录OpenCV实验案例一、OpenCV安装1. OpenCV介绍2. 安装二、OpenCV基本操作1. 图像读取与保存1）读取、图像、保存图像2. 图像色彩操作1）彩色图像转换为灰度图像2）色彩通道操作3）灰度直方图均衡化4）彩色亮度直方图均衡化5）色彩提取6）二值化与反二值化3. 图像形态操作1）图像翻转2）图像位置变换3）图像缩放4）图像裁剪5）图像相加6）图像相减7

1）归一化是指归纳同意样本的统计分布性，归一化在0-1之间是统计概率分布，归一化在-1----+1之间是统计的坐标分布。2）归一化处理的目的为了后面数据处理方便，归一化可以避免一些不必要的数值问题。为了程序运行时收敛加快。统一量纲。样本数据的评价标准不一样，需要对其量纲化，统一评价标准。3）什么是批量归一化，其优点是什么？批量归一化是指在神经网络中间层也进行归一化处理，使训练效果更好的得到更好优点