image.png

手写数字mnist逻辑回归下的accuracy和混淆矩阵;

image.png

决策树分类器的结果:

image.png

随机森林的结果:预料之中

image.png

knn算法:

image.png

这是多项式分布-朴素贝叶斯算法;

image.png

这是伯努利贝叶斯引入了对类别y下的关键特征i不出现的惩罚

这是简单的卷积神经网络结构:

image.png
image.png

这就是简单的卷积神经网络准确率:0.99

image.png
对于IMDB的神经网络训练轮次和误差变化,可以看到3轮左右网络严重过拟合了。
image.png
这里采用的是Adam优化器
image.png
这里使用的是“RMSprop”是一个基于AdaGrad算法优化出来可以进行收敛,可以看到下降速度确实快。
image.png
SGD下降过程很慢,按照预计应该是产生了波动,
image.png
NAdam动量项的Adam,对学习率约束性更强,
实验结果: - 图15
实验结果: - 图16
以上是几种优化器的可视化对比:
可以知道NAG和Adam 下降速率是比较快的,sgd在神经网络上会在不够均匀的部分下降速度缓慢。
image.png

猫狗识别cnn:

可以看见模型处理过程中特征图的深度一直在增加,但是相应的尺寸一直是在缩小,
image.png
使用dropout之后,还有数据增强。
image.png
image.png
image.png
image.png