我前几天针对不同的模型进行测试,神经网路模型拟合较佳,随着神经元的数量增加,拟合状况越好!
但是,每笔资料的CDF分布并不会像我们产生出来的分布这麽正规(如正常分布一样),有些资料的分布可能相较不平均,我们今天要来产生 Lognormal 的CDF分布,建置不同的模型观察其学习的测试结果。
指数正常分布,其CDF分布如下 :
我们测试所建置的模型同昨天,Simple Linear Regression、NN,唯一不同的点在於我们训练的NN模型参数有改变,epochs 为 100,lr 为 0.000001(手动调参XD)。
我们以mean=0,sigma=2产生Lognormal的资料,资料数量为1万笔,产生的值再乘以1M。
程序码在这 Code
测试结果发现,奇怪8x8 or 16x16的NN模型还比32x32的好...为何XD
可能8x8的模型就足以学习这些资料了ㄅ ~
其实我们测试的资料数量还算很少,只有1万笔,人家都马几百万或几千万笔,我们明天会进一步实作真正的Learned Index,包含RMI架构!
先这样噜~~掰噗!
<<: Laravel 实战经验分享 - Day26 Dockerize 你的 Laravel 专案(下)
图片出处:https://tw.crazypng.com/56.html 在上一篇读 callba...
物件导向程序设计是程序设计中极为重要的一环,其基本概念为物件及类别。 类别定义事物的特点,物件为事件...
当你第一次购买 Mac 时,除了学习和适应使用之外,你还探索了击键技巧。 这时候,你需要用好软件才有...
在 Dagger 里需要以下四大重要的 annotation: @Inject : 这其实是 Jav...
常见的故事 ... 客户 : 系统出错了 , 可以帮忙修一下吗 【・ヘ・?】 工程师 : 我这边看起...