- 博客(6)
- 收藏
- 关注
RSS订阅原创 主成分分析（主元分析PCA）
主成分分析的思想和意义（一）主成分分析的简介现代社会的大数据主要呈现出数据多，纬度高，信息杂特点，极大受到计算性能的影响。同时数据内涵盖的噪声也会对后续的处理产生一定的影响。如果能够简化原始数据，将对后续的处理和计算变得更加容易。同时再简化原始数据的时候，应该尽可能的保留原始数据的信息以保留计算精度。通过简化原始数据，保留原始数据的信息，可以在保留计算精度的基础上增加计算效率，这也称之为降维。 本节我们将要介绍的逐层分汾西或者叫
2024-08-17 17:49:51
806
原创 大数据分析多元统计基础，数据预处理
多元统计分析是研究多个随机变量之间相互依赖关系以及内在统计规律性的理论和统计方法的总称。研究的对象是多维随机向量。研究内容既包括一元统计学中某些方法的直接推广，也包括多个随机变量特有的一些问题。多元统计分析的对象和内容对象：多元分析以p个变量的n次观测数据矩阵为依据，具体形式如下：根据实际问题的需要，给出种种方法。英国著名统计学家M.肯德尔（M.G.Kendall）在《多元分析》一书中把多元分析所研究的内容和方法概括为以下几个方面。1.简化数据结构（降维问题）就是浓缩有效星系，去掉冗余信息。
2024-08-08 17:03:27
796
原创 7.4卷积填充padding操作
卷积神经网络（Convolutional Neural Networks, CNNs）中的填充（Padding）是一种处理输入图像边缘的方法，使得卷积操作能够覆盖到输入图像的边界。：这是最常见的填充方式，通过在输入图像的边缘添加零值来扩展图像的尺寸。这样做可以保持特征图（Feature Map）的尺寸不变，或者根据需要调整其尺寸。：在这种方式中，填充的像素是原始图像边缘像素的镜像。这有助于保留图像边缘的更多信息。：与对称填充不同，反射填充是将边缘像素向外反射，形成一种“镜像”效果。
2024-08-08 14:08:36
383
原创 7.3单通道卷积核及步长stride
在PyTorch框架中，实现卷积操作非常简单。这个示例中，我们将创建一个简单的卷积神经网络层，包括卷积层、激活函数ReLU以及一个简单的前向传播过程。在PyTorch中，卷积操作期望输入至少有四个维度，所以需要将原始的二维矩阵重塑为四维张量，以匹配卷积层的期望输入形状。重塑尺寸的目的是为了确保输入数据和卷积核的形状与PyTorch中卷积操作的要求一致，从而能够正确地进行卷积计算。请注意，这个示例是非常基础的，实际的卷积神经网络可能会包含多个卷积层、池化层、全连接层等，以及更复杂的结构和参数设置。
2024-08-06 23:27:10
751
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人