yt4766269的博客

1. 前言众所周知，现在很多流行的机器学习模型对于我们来说就是一个黑盒子，尤其对于深度神经网络来说，网络的解释性一直是学者们很头疼的问题。一种对机器学习模型进行解释的方法是尝试找到训练数据中对结果影响最大的那部分数据点。作者应用了稳健统计学概念中的Influence Function ，来获得损失函数关于单个数据点的变化。另外，针对该方法计算量大的问题，作者提出了高效的近似算法；针对该方法对于函数可

logistic regression 处理鸢尾花数据集——————————————————————keras实现鸢尾花数据集是一个比较经典的多重变量分类数据集。它最初是埃德加·安德森从加拿大加斯帕半岛上的鸢尾属花朵中提取的地理变异数据，后由罗纳德·费雪作为判别分析的一个例子，运用到统计学中。鸢尾花数据集所代表的分类问题可以较好的用逻辑斯蒂回归(logistic regression)解决，不过鸢尾

最近用了pytorch， 使用上比Tensorflow爽的多，尤其是在读取数据的部分，冗长而繁杂的api令人望而却步，而且由于Tensorflow不支持与numpy的无缝切换，导致难以使用现成的pandas等格式化数据读取工具，造成了很多不必要的麻烦pytorch自定义读取数据和进行Transform的部分请见文档： http://pytorch.org/tutorials/beginner/da

深度学习默认开启独立显卡