Toggle Menu

悉尼大学COMP5329深度学习课程复习

发布时间: 2021-07-28
文章来源: 考而思
标签
摘要:
COMP5329深度机器学习,它正迅速成为一系列应用中最成功、应用最广泛的技术之一。选修本课程的学生将接触到机器学习的前沿研究,从理论、模型和算法,到深度学习的实现和最新进展。

  同学们好呀,悉尼大学COMP5329深度机器学习是一门非常不错的选修课程,这门课程具体主题包括:深度神经网络的经典架构、训练深度神经网络的优化技术、深度学习的理论理解以及深度学习在计算机视觉中的多样应用。

  学姐认为这是一门非常高深的课程学习,深度机器学习中解释的方法不仅仅是可视化。它们合在一起,常常被称为“带学习的分类”、“监督分类”、“机器学习”,或者只是“分类”。

  接下来,学姐给大家简单的科普一下关于悉尼大学COMP5329这门课程中,比较有意思的知识点,希望大家可以从中汲取到属于自己的那一部分知识理念。

  首先,身份已知的一小部分数据(训练数据集)用于开发(拟合)分类模型(图 1.6.8.3 .2 ).在下一步,该模型用于对具有未知身份的对象进行分类(测试数据集).在大多数这些方法中,可以估计分类的质量,也可以评估每个字符的重要性。

  让我们创建训练和测试数据集虹膜数据:

  机器学习

  统计机器学习的图形表示。蓝色是训练数据集,红线是分类模型,绿色是测试数据集,虚线显示预测(估计)过程。

机器深度学习

  回归学习

  线性判别分析

  最简单的分类方法之一是线性判别分析。基本思想是创建一组线性函数来“决定”如何对特定对象进行分类。

  训练产生的假设允许几乎所有的植物(除了七种弗吉尼亚鸢尾)被放入适当的组。请注意,LDA不需要缩放变量。

  可以用推理方法检查线性判别分析结果。多维变异分析(MANOVA)允许理解数据和模型之间的关系(从LDA分类):

  这里重要的是基于费希尔统计的p值,也是威尔克斯统计的值概率比(在我们的例子中,组被没什么不同).

  可以使用类似方差分析的技术来检查LDA中每个字符的相对重要性:

  为了把所有的点都放在图上,我们简单地使用所有的数据作为训练。注意良好的区分度(高于主成分分析、MDS或聚类分析),即使在相近的杂色鸢尾和一.弗吉尼亚。这是因为LDA经常高估群体之间的差异。这一特性,以及线性判别分析的参数性和线性度,使其在过去几年中使用较少。

  上方就是学姐给大家总结出来的关于悉尼大学COMP5329这门课程的主要学习资料啦,大家有没有真正意义上的学习到其中的知识呢?澳洲留学生辅导老师帮助同学们进行定制化细致的沟通解答,帮助同学们解决所有在课程学习中遇到的疑难问题。

凡来源标注“考而思”均为考而思原创文章,版权均属考而思教育所有,任何媒体、网站或个人未经本网协议授权不得转载、链接、转贴或以其他任何方式复制、发表。

未注明"来源等稿件均为转载稿,如涉及版权请联系在线客服处理。

同步课件辅导、作业补习、论文润色、真题讲解、Appeal申诉、入学内测/面试培训


添加微信【kaoersi03】立即咨询,备注来源“官网”~

vx:kaoersi03

客服回复略有延迟,可直接添加微信:kaoersi03(备注官网)
出国前
出国后
同步专业课预习
查看详情>
入学笔面试辅导
查看详情>
学术论文写作
查看详情>
海外选课指导
查看详情>
同步课件讲解
查看详情>
作业习题补习
查看详情>
论文全程辅导
查看详情>
考前冲刺辅导
查看详情>
课程听不懂?作业不会写?复习没方向?专业老师为您答疑解惑
展开