11-神经网络.pdf
立即下载
冷月如霜·胡狼
2024-08-12
数据
训练
分类
距离
样本
测试
算法
标签
LEVEL
CDA
11.7 MB
CDA LEVEL Ⅰ案例试听
CDA LEVEL Ⅰ案例试听
CDA LEVEL Ⅰ案例试听
为什么围棋选手不信阿法狗呢？
结果呢？
4:1 李世石惨败
人工智能的时代已经来临
为什么人工智能技术这么厉害？
CDA LEVEL Ⅰ案例试听
CDA LEVEL Ⅰ案例试听
无人驾驶汽车：
1.物体检测
2.行人检测
3.标志识别
4.速度识别
。。。
黑科技：Image Transfer
Content + Style = Interesting thing
（假设我们有一系列的标签：狗，
猫，汽车，飞机。。。）
猫
一张图片被表示成三维
数组的形式，每个像素
的值从0到255
例如：300*100*3
1.收集数据并给定标签
2.训练一个分类器
3.测试，评估
1.计算已知类别数据集中的点与当前点的距离
2.按照距离依次排序
3.选取与当前点距离最小的K个点
4.确定前K个点所在类别的出现概率
5.返回前K个点出现频率最高的类别作为当前点预测分类。
对于未知类别属性数据集中的点：
概述：
KNN 算法本身简单有效，它是一种 lazy-learning 算法。
分类器不需要使用训练集进行训练，训练时间复杂度为0。
KNN 分类的计算复杂度和训练集中的文档数目成正比，也就是说，如果训练集中
文档总数为 n，那么 KNN 的分类时间复杂度为O(n)。
K 值的选择，距离度量和分类决策规则是该算法的三个基本要素
问题：该算法在分类时有个主要的不足是，当样本不平衡时，如一个类的样本容量
很大，而其他类样本容量很小时，有可能导致当输入一个新样本时，该样本的 K 个
邻居中大容量类的样本占多数
解决：不同的样本给予不同权重项
10类标签
50000个训练数据
10000个测试数据
大小均为32*32
记录所有训练数据
对于每一个测试数据找出与其L1距离最小的样本
的标签，作为它的标签
1.对于距离如何设定？
2.对于K近邻的K该如何选择？
3.如果有的话，其它的超参数该怎么设定呢？
多次用测试数据试验，找到做好的一组参数组合？
错误的的想法，测试数据只能最终用
验证集
用来调节参数
交差验证
1.选取超参数的正
数据/训练/分类/距离/样本/测试/算法/标签/LEVEL/CDA/
数据/训练/分类/距离/样本/测试/算法/标签/LEVEL/CDA/
-->