知识卡片
增广输入把偏置纳入参数估计
在样本特征前补常数1,可将偏置写入权重向量,统一计算线性分数。常数输入为1不意味着偏置参数固定1;训练后二维决策边界为w0+w1x+w2y=0,若w2为0不能直接使用除以w2的绘图式。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
def buildMat(dataSet): m, n=shape(dataSet) dataMat = zeros((m, n)) dataMat[:,0] = 1 dataMat[:,1:] = dataSet[:, :-1] retu
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html)
- 结论依据:摘录中关于增广输入把偏置纳入参数估计的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:def buildMat(dataSet): m, n=shape(dataSet) dataMat = zeros((m, n)) dataMat[:,0] = 1 dataMat[:,1:] = dataSet[:, :-1] retu