文章
专栏
网址导航
创作
写文章
创建专栏
一键迁移
登录
最新
推荐
热门
前端
后端
人工智能
技术讨论
其他
API商城
API私有化
开发者工具
网址导航
全部
架构
算法
Python
人工智能
Google
机器学习
深度学习
更多
热门
最新
4 年前
/
Keyboarder
一种机器学习中兼具鲁棒性和自适应性的损失函数
前言损失函数是机器学习和深度学习领域最为核心的一个概念,其能够主导最终模型的结果和方向。本文将介绍在CVPR 2019上最新发表的一篇论文中介绍的一种兼具鲁棒性和自适应性的损失函数:A General and Adaptive Robust Loss Function。关于异常值和鲁棒的损失的问题:考虑机器学习问题中最常用的误差之一:==均方误差(MSE)==,它是(y-x)的形式。MSE的一个关键特征是它对大误差的灵敏度比小误差高。用MSE训练的模型将==偏向于减少最大的误差==。例如,误差为
19926 阅读
收藏
4 年前
/
老齐
/
机器学习数学基础
计算相似度
在机器学习中,经常要度量两个对象的相似度,例如k-最近邻算法,即通过度量数据的相似度而进行分类。在无监督学习中,K-Means算法是一种聚类算法,它通过欧几里得距离计算指定的数据点与聚类中心的距离。在推荐系统中,也会用到相似度的计算(当然还有其他方面的度量)。本文中,将介绍业务实践中最常用的几种相似度的度量方法。基于相似性的度量皮尔逊相关系数斯皮尔曼秩相关系数肯德尔秩相关系数余弦相似度雅卡尔相似度基于距离的度量欧几里得距离曼哈顿距离1. 基于相似性的度量1.1 皮尔逊相关系数皮尔逊相关系数度量两
8092 阅读
收藏
加载中...
没有更多文章了