从自我学习到深层网络
From Ufldl
(Created page with "从自我学习到深层网络") |
|||
| Line 1: | Line 1: | ||
从自我学习到深层网络 | 从自我学习到深层网络 | ||
| + | |||
| + | 初译： 新浪微博，@幸福数据挖掘者 http://weibo.com/u/2275505165?topnav=1&wvr=5 | ||
| + | |||
| + | 一审： 新浪微博，@ztyan http://weibo.com/ztyan | ||
| + | |||
| + | wiki上传： 新浪微博，@幸福数据挖掘者 http://weibo.com/u/2275505165?topnav=1&wvr=5 | ||
| + | |||
| + | 【原文】 | ||
| + | In the previous section, you used an autoencoder to learn features that were then fed as input to a softmax or logistic regression classifier. In that method, the features were learned using only unlabeled data. In this section, we describe how you can '''fine-tune''' and further improve the learned features using labeled data. When you have a large amount of labeled training data, this can significantly improve your classifier's performance. | ||
| + | |||
| + | 【初译】 | ||
| + | 在此前的章节中，我们利用自动编码机来学习输入至softmax或logistic回归分类器的特征。上述方法中的特征仅利用未标注数据学习获得。在本章节中，我们描述了'''微调'''这一方法，即利用标注数据优化学习得到的特征。如果你拥有大量标注数据，可以显著提升分类器的性能。 | ||
| + | |||
| + | 【一审】 | ||
| + | 在此前的章节中，我们利用自动编码器来学习输入至softmax回归或logistic回归分类器的特征。上述方法中的特征仅利用未标注数据学习获得。在本章节中，我们描述了'''微调'''这一方法，即利用标注数据优化学习得到的特征。如果你拥有大量标注数据，可以显著提升分类器的性能。 | ||
