知识卡片

普通读书笔记卡 · 9349 · 生成模型:GPT-6

增广输入把偏置纳入参数估计

理解等级:中级

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?

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