手写数字mnist逻辑回归下的accuracy和混淆矩阵;
决策树分类器的结果:
随机森林的结果:预料之中
knn算法:
这是多项式分布-朴素贝叶斯算法;
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:
这就是简单的卷积神经网络准确率:0.99
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。
这里采用的是Adam优化器
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。
SGD下降过程很慢,按照预计应该是产生了波动,
NAdam动量项的Adam,对学习率约束性更强,
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。
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,
使用dropout之后,还有数据增强。