卷积神经网络是随着互联网的不断发展而逐渐被程序员所接触和掌握的一个功能应用,而今天我们就通过案例分析来了解一下,学习卷积神经网络需要掌握哪些基础知识。
1、什么是卷积
在数学(尤其是函数分析)中,卷积是对两个函数(f和g)的数学运算,以产生另一个函数,该函数表示一个函数的形状如何被另一个修改。
此操作在多个领域都有应用,如概率、统计、计算机视觉、自然语言处理、图像和信号处理、工程和微分方程。
2、什么是人工神经网络
人工神经网络(ANN)或连接系统是由构成动物大脑的生物神经网络模糊地启发的计算系统。这些系统通过从示例中“学习”以执行任务,通常不需要使用用任何特定规则来编程。
3、什么是分类变量
在统计学中,分类变量是一个可以承担限制变量之一的变量,基于某些定性属性将每个个体或其他观察单元分配给特定组或名义类别。(来源:维基百科)
简单来说,分类变量的值表示类别或类。
4、为什么需要编码分类变量
直接对表示类别的数字执行操作没有意义。因此,需要对其进行分类编码。
5、什么是标准化
进行归一化以使整个数据进入明确定义的范围,一般选择归一化到0到1之间
在神经网络中,不仅要对数据进行标准化,还要对其进行标量化,这样处理的目的是能够更快地接近错误表面的全局小值。
6、什么是混淆矩阵
混淆矩阵是用于总结分类算法性能的一种技术。如果每个类别中的观察数量不等,或者数据集中有两个以上的类,单独的分类准确性可能会产生误导。计算混淆矩阵可以让我们更好地了解分类模型的正确性以及它所犯的错误类型。
【免责声明】本文系本网编辑部分转载,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与管理员联系,我们会予以更改或删除相关文章,以保证您的权益!