机器学习、深度学习(ML, Deep Learning)
机器学习、深度学习(ML, Deep Learning)
预见未来to50
不忘初心,方得始终!
展开
-
调试经验——yolo.h5数据集的生成
折腾了半天,总算是成功生成数据集了。参考文章:1. 吴恩达第四课第三周车辆检测yolo.h5加载失败解决办法https://blog.csdn.net/qq_28019591/article/details/809373822. 关于吴恩达车辆识别代码出错的问题https://www.cnblogs.com/pengzhi12345/p/11900994.html----------------------------------------------------------.原创 2020-12-30 00:40:36 · 437 阅读 · 1 评论 -
吴恩达机器学习学习笔记——Week 2——多元线性回归(Multivariate Linear Regression)
一、课件及课堂练习1. 多个特征值(多变量)课堂练习:2. 多元梯度下降课堂练习:3. 梯度下降实践1——特征值缩放(均值归一化)课堂练习:4.梯度下降实践2——学习率课堂练习:5.特征数量及多项式回归课堂练习:6. 标准方程课堂练习:7. 标准方程法可能遇到不可逆问题二、内容概...原创 2020-12-14 22:00:55 · 237 阅读 · 0 评论 -
吴恩达机器学习学习笔记——Week 1——3. 参数学习(Parameter Learning)
一、课件及课堂练习1. 梯度下降算法课堂练习:1.2.3.2. 线性回归中的梯度下降二、内容概要1. 梯度下降三、单元测试答案:4答案:3...原创 2020-12-13 21:49:14 · 249 阅读 · 0 评论 -
吴恩达机器学习学习笔记——Week 1——2. 模型及其表示(Model and Representation)
一、课件及课堂练习1. 一个简单示例:房屋估值(监督学习中的回归问题)课堂练习:2. 成本函数:模型预测值与实际值的偏离程度课堂练习:3. 成本函数直观感受1课堂练习:4.成本函数直观感受2二、内容概要1. 模型及其表示 (Model Presentation)2. 成本函数(Cost Function)3. 成本函数——直观...原创 2020-12-13 20:27:46 · 172 阅读 · 0 评论 -
吴恩达机器学习学习笔记——Week 1——1. 导论(Introduction)
在网易云课堂和Coursera上学完了一遍吴恩达机器学习,受益匪浅,特此记录一下学习笔记,权当复习。为什么要同时使用网易云课堂和Coursera? 主要是想结合两者的优点:网易云课堂(https://study.163.com/course/introduction/1210076550.htm)看教学视频,带双语字幕;Coursera(https://www.coursera.org/learn/machine-learning/home/welcome)上则可以做课堂练习、单元测试、编程作业。在原创 2020-12-13 01:30:31 · 879 阅读 · 0 评论 -
机器学习学习笔记——第二讲——模型评估(第一部分)
1. 模型评估概述(训练 => 测试 => 工作)2. 数据集拆分为训练集和测试集的方法之一——留出法3.数据集拆分为训练集和测试集的方法之二——交叉验证法4. 数据集拆分为训练集和测试集的方法之三——自助法5. 模型评估指标之一——准确率(错误率)6.模型评估指标之二——查准率+查全率(两者通常是...原创 2019-09-25 16:09:54 · 147 阅读 · 0 评论 -
机器学习学习笔记——第一讲——绪论
两年多前买的周志华老师的《机器学习》,两年多了,苦于自己比较薄弱的数学基础(线性代数、离散数学、概率论与数理统计等),一直没有很好的学习这本书。没想到,两年后,中国大学Mooc上已经有了《机器学习》这门课程,授课老师为中国地质大学的蒋良孝老师。就让我乘此机会学习一下吧。1. 机器学习的定义:利用经验(数据)来改善计算机系统的性能2. 机器学习的主要内容(模型评估与选择,...原创 2019-09-25 15:42:39 · 259 阅读 · 0 评论 -
调试经验——使用Matlab绘制f(x)=sin(1/x)的函数图形
大学时高等数学简直是噩梦,时隔多年,为了机器学习,又必须面对高数了。不同的是,在如今的互联网时代,很多当年非良师益友不能得解的难题,都可以通过网络找到解答。而且,有了高配电脑、Matlab这样的高级软件,更是如虎添翼,虽然现在可能只是一只小壁虎好了,言归正传,sin(1/x)当x趋近于0时,竟然是震荡不收敛的?决定自己绘制其图形来验证。下载好Matlab的试用版,输入以下命令,大功告成!遗留问题:...原创 2018-02-26 21:06:20 · 13154 阅读 · 0 评论 -
Excel在统计分析中的应用—第二章—描述性统计-方差系数的计算及应用
“方差、标准差和四分位数偏差,其均为含有量纲的值,因此会受到计量单位不同或者改变而变得缺乏可比性,而方差系数则是从相对的角度,通过比值来衡量分散程度,因此消除了量纲的影响。”“标准差系数,又称为均方差系数,离散系数。在财务管理中,称为变化系数,指的是标准差/均值。它是从相对角度观察的差异和离散程度,在比较相关事物的差异程度时较之直接比较标准差要好些。标准差系数又称均方差系数。反映标志变动程原创 2018-01-17 01:29:47 · 1354 阅读 · 0 评论 -
Excel在统计分析中的应用—第二章—描述性统计-分组数据的四分位偏差的求解方法
这一部分感觉相当精彩,因为我的算法和教材中的算法有了出入。至于谁对谁错,留待时间考验。问题:已知CSDN日均访问增量的分组数据如下表所示,试求其四分位数值Q1和Q3。按照自己的理解,计算出的Q1和Q3分别为725和1045.8,按照教材中的公式,则计算结果分别为762.5和1091.7,答案比较接近,但到底哪个对呢?留待时间来证明。解答:原创 2018-01-17 01:09:43 · 2481 阅读 · 0 评论 -
Excel在统计分析中的应用—第二章—描述性统计-分组数据的算术平均值、方差及标准差求解方法
看到网上有网友求助分组数据的标准差求解方法,但是得到的回答却很不具体,缺乏可操作性。本文将理论(计算公式)及实际(实例)相结合,来解答这个入门级的问题。对于非分组数据,可用Excel的STDEV函数计算其标准差。而对于分组数据,则需通过多步运算得到。问题:下表为某班学生体育课成绩的组数据,已经求出所有样本的平均值为75.9,试确定该班学生成绩的方差及标准差。...原创 2018-01-16 22:58:11 · 21041 阅读 · 0 评论 -
Excel在统计分析中的应用—第九章—非参数检验-x2检验-拟合优度检验
单一个假设检验,花了我近两个星期才完成。今天,终于可以进入新的章节,也是更高级的内容——非参数检验了。“非参数检验(Nonparametric tests)是统计分析方法的重要组成部分,它与参数检验共同构成统计推断的基本内容。非参数检验是在总体方差未知或知道甚少的情况下,利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数,因而得名为“非参数”检验原创 2017-12-07 00:53:33 · 5774 阅读 · 0 评论 -
学以致用——微博文章内容统计分析之一(Excel+GraphLab)
记得以前一位同事说过,好的技术人员都是比较懒的,因为懒,他会想尽办法找到解决问题的最有效的方法。如果不使用Excel函数,完全可以通过人肉的方式从微博中提取内容,但是,如果数据量很大、需要耗用很多时间怎么办?本次原创 2017-07-26 23:58:25 · 949 阅读 · 0 评论 -
学以致用——初次使用GraphLab Create分析数据
如果没用过Spotfire这种专业的数据可视化工具,肯定会觉得GraphLab Create很酷。实际上,目前我看到的是,GraphLab Create自动生成的图表是很有限的(但是自动生成的,超级省事)。数据集依然是本人的iKB系统日报。步骤:1. 导入数据:sf=graphlab.SFrame('C:\Users\pande\ds\ikb_summary.csv')原创 2017-07-18 02:13:08 · 978 阅读 · 0 评论 -
调试经验——GraphLab Create的安装
万事开头难,为了导入GraphLab包,花了我两个多小时。问题描述:在Jupyter Notebook 中执行import graphlab命令后,出现以下提示:“ACTION REQUIRED: Dependencies libstdc++-6.dll and libgcc_s_seh-1.dll not found.1. Ensure user account has原创 2017-07-18 01:17:06 · 5287 阅读 · 3 评论