第1章误差与有效数值1.1 什么是误差实际值与理论值的差，称为误差。1.2 什么是有效数值第2章 误差的分类2.1 模型误差2.2 测量误差备注：几乎所有的测量
原创
2021-09-08 17:39:10
8440阅读
数值分析中误差处理，设计误差、相对误差、误差限、相对误差限、舍入误差等
原创
2019-04-01 19:12:47
367阅读
神经网络的学习中所用的指标称为损失函数（loss function），一般使用均方误差和交叉熵误差等。均方误差-神经网络的输出，-正确解标签，k-数据的维数。Python代码：def mean_squared_error(y,t):
return 0.5*np.sum((y-t)**2)交叉熵误差 这里，表示，该式只计算对应正确标签的输出y的自然对数。Python代码：def cross_ent
转载
2024-03-06 12:37:26
60阅读
这是书中第五章的内容，使用计算图来解决简单的问题。（1）计算图的反向传播：沿着与正方向相反的方向，乘上局部导数书中的举例：链式法则是关于复合函数的导数的性质，定义如下。 如果某个函数由复合函数表示，则该复合函数的导数可以用构成复 合函数的各个函数的导数的乘积表示。使用计算图表达这个过程：（2）计算时，通常会出现加减乘除的节点，其中加法节点的反向传播如下：可以看出反向传播时加法节点的导数为1，也就是
转载
2024-06-10 11:00:20
83阅读
python 解决 eval 函数 计算 关于浮点数误差问题项目一首先 eval本身转化的是二进制的数据，转化过程中再转换回来肯定带有小数位，那直接使用eval对表达式进行计算，但是由于eval是将表达式中的数值使用浮点型进行计算，会由于精度的问题产生误差。例如eval(‘8.51*13.5’)=114.88499999999999，四舍五入保留两位小数之后，结果为：114.88，会产生0.01的
转载
2023-09-28 20:28:08
111阅读
或许很多人都遇到过，js 对小数的加、减、乘、除时经常得到一些奇怪的结果！比如 ：0.1 + 0.2 = 0.3 ？这么一个简单的计算，当你用js 计算时会发现结果是：0.30000000000000004 。这么奇葩，简直无法理解！那，为什么会这样呢？对于浮点数的四则运算，几乎所有的编程语言都会有类似精度误差的问题，只是 C++ / C# / Java 这些语言中已经封装好了方法来避
本文内容为东北大学数值分析国家精品慕课课程的课程讲义,将其整理为OneNote笔记同时添加了本人上课时的课堂笔记,且主页中的思维导图就是根据课件内容整理而来,为了方便大家和自己查看，特将此上传到CSDN博文中, 源文件已经上传到我的资源中,有需要的可以去看看,我主页中的思维导图中内容大多从我的笔记中整理而来,相应技巧可在笔记中查找原题, 有兴趣的可以去 我的主页了解更多计算机学科的精品思维导图整理本文可以转载，但请注明来处，觉得整理的不错的小伙伴可以点赞关注支持一下哦！博客中思维导图的...
原创
2021-05-20 18:56:53
253阅读
目录正则化线性回归数据可视化正则化线性回归代价函数正则化线性回归梯度拟合线性回归偏差与方差学习曲线多项式回归 使用验证集选出λ计算测试集错误参考文章正则化线性回归 在练习的前半部分，您将实现正则化线性回归，利用水库水位的变化来预测从大坝流出的水量。在下半部分中，您将对调试学习算法进行一些诊断，并
转载
2023-11-03 12:16:47
111阅读
1.erf误差函数介绍 erf 是误差函数，它是高斯概率密度函数的积分。 性质：2.erf误差函数在matlab中实现 erf函数在matlab里面可以直接作为内置函数使用。erf(0)与下面式子等价：syms s f
f=exp(-s^2);
err=double(2/sqrt(pi)*int(f,0,0))3.erf误差函数在python中实现 语法：math.erf(var) 使用：impo
转载
2023-07-03 21:12:04
333阅读
1.目的是什么当我们找到一个算法去计算某些东西的时候,我们通常要对这个算法进行一定的分析,比如时间复杂度,空间复杂度(前者更加重要),来进行比较,判断一个算法的优劣性.对于一个训练的模型来说,同样需要某种模型来进行分析,例如代价函数等等,通过比较拟合程度,正确精度等信息来判断出这个模型的好坏,从而选择更好的模型2.对于模型的评价(1)测试集,训练集对于一个数据集合来说,我们最长做的一件事就是把集合
转载
2024-06-30 09:42:35
40阅读
在本文中，我们将更深入地研究模型评估和性能指标，以及可能遇到的与预测有关的潜在错误。残差和分类结果在深入研究模型性能和误差类型之前，我们必须首先讨论用于回归的残差和误差，用于分类问题的正负分类以及样本内与样本外测量的概念。关于用于训练，验证或调整预测模型（即您拥有的数据）的数据所涉及的模型，度量或误差的任何引用均称为样本内。相反，通常将引用测试数据度量标准和错误或新数据的内容称为样本外（即，您没有
转载
2023-09-11 12:04:06
134阅读
数据挖掘中的预测问题通常分为2类：回归与分类。简单的说回归就是预测数值，而分类是给数据打上标签归类。本文讲述如何用Python进行基本的数据拟合，以及如何对拟合结果的误差进行分析。本例中使用一个2次函数加上随机的扰动来生成500个点，然后尝试用1、2、100次方的多项式对该数据进行拟合。拟合的目的是使得根据训练数据能够拟合出一个多项式函数，这个函数能够很好的拟合现有数据，并且能对未知的数据进行预测
转载
2024-08-03 11:10:00
21阅读
前言基于计算图的反向传播详解一篇中，我们通过计算图的形式详细介绍了构建神经网络需要的层，我们可以将其视为组件，接下来我们只需要将这些组件组合起来就可以实现误差反向传播法。首先我们回顾下神经网络的学习步骤如下：从训练数据中随机选择一部分数据（mini-batch）计算损失函数关于各个权重参数的梯度将权重参数沿梯度方向进行微小的更新重复以上步骤下图为2层神经网络，图中红色表示每层的名称，每层只画了固定
转载
2024-04-08 19:52:22
68阅读
# 误差棒型误差图
误差棒型误差图（Error bar plot）是一种常用的数据可视化方法，用于显示数据的误差范围。在科学研究和数据分析中，我们经常会遇到需要表示数据的不确定性的情况，误差棒图就是为了解决这个问题而设计的。
## 什么是误差棒图？
误差棒图是一种以柱状图（bar plot）为基础的图表，通过在每个柱子上绘制一个垂直线段表示数据的误差范围。通常，误差棒图包括以下几个要素：
原创
2024-01-31 06:00:45
306阅读
常用度量–MAE(平均绝对误差)和RMSE(均方根误差) MAE和RMSE是关于连续变量的两个最普遍的度量标准。定义 1）RMSE，全称是Root Mean Square Error，即均方根误差，它表示预测值和观测值之间差异（称为残差）的样本标准差。均方根误差为了说明样本的离散程度。做非线性拟合时,RMSE越小越好。 标准差与均方根误差的区别：标准差是用来衡量一组数自身的离散程度，而均方根
转载
2023-11-10 22:57:20
179阅读
我们需要区分训练误差（training error）和泛化误差（generalization error）。通俗来讲，前者指模型在训练数据集上表现出的误差，后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。计算训练误差和泛化误差可以使用之前介绍过的损失函数，例如线性回归用到的平方损失函数和softmax回归用到的交叉熵损失函数。让我们以高考为例来直观地解释训
1、哪个选项不能正确引用turtle库进而使用setup()函数？A、import turtle as tB、from turtle import*C、import turtleD、import setup
1、给出误差的表示方法？并加以描述，给出其特征。系统误差：在相同条件下，多次重复测量同一被测参量时，其测量误差的大小和符号保持不变，或在条件改变时，误差按某一确定的规律变化，这种测量误差称为系统误差。误差值恒定不变的称为定值系统误差，误差变化的称为变值系统误差。随机误差：在相同条件下，多次重复测量同一被测量时，测量误差的大小和符号均无规律变化，这类误差称为随机误差。精密度越低，随机误差越大；精密度
转载
2024-01-15 22:42:58
152阅读
训练误差与测试误差 一般情况下，我们将数据集分为两大类：训练集和测试集。（有的时候分成三部分：训练集、验证集、测试集）。 训练误差是指模型在训练集上的误差，反映的是模型的学习能力。 训练误差是模型关于 训练数据集的平
转载
2023-11-14 16:53:06
369阅读
