机器学习
文章平均质量分 84
背水
高贵的单纯,静穆的伟大
展开
-
卷积神经网络理论(CNN)·基于tensorflow实现
讲述CNN理论,以及基于tensorflow实现原创 2024-08-01 12:28:11 · 838 阅读 · 0 评论 -
对服装图像进行分类-基于tensorflow
作用:配置模型的学习过程。何时使用:在训练模型之前,设置优化器、损失函数和评估指标。model.fit作用:实际训练模型,更新模型的权重。何时使用:在模型配置好后,用于训练模型并优化权重。原创 2024-07-28 11:12:10 · 760 阅读 · 0 评论 -
神经网络实现数字识别(机器学习)
首先我们需要将y设置为One-hot编码。下面是数据y。我们可以看出,第一行的是10,也对应着0。我们需要把第一行转化为[1,0,0,...0]。即原来5000*1的矩阵转化为5000*10的矩阵。array([[10][9][8]])我们需要将上面转化为每个样本中的单个特征只有1位处于状态1,其他都处于0。上面那个就代表数字1。1在哪个位置就代表哪个标签。原创 2024-07-27 10:49:46 · 531 阅读 · 0 评论 -
图像预处理(基础功能)
描述: 需要读取的图像文件的路径和文件名。类型: 字符串。flags: int (可选)描述: 图像的读取模式。这个参数决定了图像如何被读入:cv2.IMREAD_COLOR 或 1: 读取彩色图像(默认值)。图像将被读入为一个三通道的 BGR 图像。cv2.IMREAD_GRAYSCALE 或 0: 读取灰度图像。图像将被读入为一个单通道的灰度图像。cv2.IMREAD_UNCHANGED 或 -1: 读取图像及其 alpha 通道(如果存在)。原创 2024-07-23 09:00:47 · 623 阅读 · 0 评论 -
手写数字识别(机器学习)
这里先上的代码,想看原理可以到代码下面。在数据集中,y的取值为1~10,y=10表示当前数字为0首先读取数据,并对数据进行切分。...可以看到准确率为0.9445889177835567这里大家可能不知道minimize函数。minimize函数是 SciPy 库中的一个优化函数,主要用于求解最优化问题。它能够找到给定目标函数的最小值,并返回对应的变量值。理解minimize函数的工作原理对于优化模型和算法至关重要。下面,我会详细讲解minimize。原创 2024-07-21 07:57:57 · 1190 阅读 · 0 评论 -
Softmax多分类(机器学习)
假如我们有的y有4个可选结果(如优秀、良好、及格、不及格)。此时我们最后一层有10个神经元,那么输出向量也是10维的。上面的z是通过输入,计算出的在这4个维度上的“中间值”。经过这样处理,可以得到预测值为各数的概率。我们现在使用Softmax进行多分类。之前的逻辑回归只能进行二分类。原创 2024-07-20 11:34:07 · 561 阅读 · 0 评论 -
神经网络理论(机器学习)
逻辑回归是基于线性假设的分类模型,即认为特征与输出之间的关系是线性的。如果特征非常多或者特征与输出之间的关系是非线性的,逻辑回归可能无法很好地进行分类。如果特征之间高度相关,逻辑回归可能会受到多重共线性的影响,导致参数估计不稳定或难以解释。在复杂的分类问题中,数据可能需要非线性的决策边界来更好地进行分类。神经网络能够学习复杂的非线性关系,因此在特征与输出之间存在非线性关系或需要复杂的决策边界时,神经网络通常能提供更好的性能。原创 2024-07-20 10:44:05 · 1710 阅读 · 0 评论 -
特征映射(机器学习)
注意这里的j是从1开始的,我们原来的X多加了一列1(索引为0),这里从1开始的,没有计算哪个常数。我们这样看,至少需要达到2次以及以上的曲线才可以进行比较准确的分类。有时数据的分类并不像我们想象的那么简单,需要高次曲线才能分类。这里面的最后一项用来调节参数,防止出现过拟合和欠拟合。因为非线性的很容易进行过拟合,所以需要进行正则化。现在的问题是如何将已经有的两列转化为这么6列?我们先看一下最后得到的损失函数的形式。比如如果已知数据有3列(两列特征)那么什么是正则化呢?原创 2024-07-16 19:25:27 · 1157 阅读 · 0 评论 -
逻辑回归(机器学习)
上一题篇文章写了线性回归以及梯度下降法,这篇文章讲一下逻辑回归。在上一篇文章中,我们以住房各特征预测了房价中位数。这个是给定数据,预测一个连续的数据。还是举出上面的例子,只不过这次我不需要预测价格中位数了,只需要预测这个房子的“好与坏”,值域只有(好、坏)。要求:已知有数据(exam1,exam2,aeecpted),第一个和第二个是成绩,第三个是是否被大学录取,要求根据成绩来预测是否被大学录取。最后的theta是[[-23.77498778],[ 0.18690941],[ 0.18046614]]原创 2024-07-16 16:21:57 · 1337 阅读 · 0 评论 -
线性回归(梯度下降)
首先说案例:房子的价格和所占面积有着很大的关系,假如现在有一些关于房子面积和价格的数据,我要如何根据已经有的数据来判断未知的数据呢?假如x(房屋面积),y(房屋价格)原创 2024-07-13 20:04:28 · 885 阅读 · 0 评论