作者：成语大世界日期：
返回目录：成语解释
可以百的，深度卷积网络就能，有特征就行。训练集分两份，一份有背景无水滴以及度实际期望，一份同样背景有水滴以及实际期望，两知份放进去训练2000遍左右便可以识别水滴。至于更大面积的水，用道上述的模型也能得到70%左右的正确率，注意训回练集背景下的水面积样本，达到充分训练也是答可以97%的正确率的。
这两个概念实际上是互相交叉的，例如，卷积神经网络（Convolutional neural networks，简称CNNs）就是一种深度的监督学习下的机来器学习模型，而深度置信网（Deep Belief Nets，简称DBNs）就是一种无监督学习下的机器学习模型。
深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
深度学习的概念由Hinton等人于2006年提出。基于深自信度网(DBN)提出非监督贪心zd逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。
下面是一些定义及作用：
Training set: A set of examples used for learning, which is to fit the parameters [i.e., weights] of the classifier.
训练集是用来学习的样本集，通过匹配一些参数来建立一个分类器
Validation set: A set of examples used to tune the parameters [i.e., architecture, not weights] of a classifier, for example to choose the number of hidden units in a neural network.
验证集是用来调整分类器的参数的样本集，比如在神经网络中选择隐藏单元数。验证集还用来确定网络结构或者控制模型e799bee5baa6e78988e69d83364复杂程度的参数
Test set: A set of examples used only to assess the performance [generalization] of a fully specified classifier.
测试集纯粹是为了测试已经训练好的模型的分类能力的样本集。
一般验证集在交叉验证里应用的比较多：
利用交叉验证方法选择模型思路是：使用训练集(trainset)数据所有候选模型进行参数估计，使用验证集(validationset)为检验样本，然后计算预测均方误差，比较各个模型的预测均方误差，选择预测均方误差最小的拟合模型为选择模型。
为了避免过拟合，训练集表现很好的参百数，在测试集里如果表现不一致就说明有过拟度合的存在。知
数据一般分为训练集＋验证集＋测试集。
训练集用于道训练模型专的参数
验证集用于验证不同模型的性能（不是必须属）
测试集用于测试训练好的模型的性能