- 博客(14)
- 收藏
- 关注
RSS订阅原创 初探循环神经网络 RNN 及 TensorFlow 实现
在跟着莫烦学完使用TensorFlow 实现 循环神经网络 RNN （https://www.bilibili.com/video/av16001891/?p=33），看着自己按照教程写的代码，一看，还有点懵… 在初步学习和研究之后，有了很多新的体会。先上代码# -*- coding: utf-8 -*-"""Created on Tue Mar 20 13:18:49 2018...
2018-03-22 21:45:58
798
原创 TensorFlow Bug AttributeError: module 'tensorflow' has no attribute 'unpack'
tensorflow 1.0 + 版本 pack 已经修改对应修改即可： pack 函数更名为 stack unpack 函数更名为 unstack
2018-03-21 15:36:09
2482
1
原创 神经网络关于输入X 权重W 和偏置biase 的Shape形式辨析
引子对于初学者来说，我相信很容易对神经网络中的各种 Shape 形式产生混乱。（事实证明，我和我的同学就做过相关讨论） 比如，神经网络中，对于一张图片的输入需要怎么样处理呢，除了把图像压缩成一个向量外，一个样本看做一行还是一列的形式输入呢，权重 WWW 的形式是什么样的，等等下面我将对比 吴恩达的Deep Learning 中教学的知识 与 TensorFlow 中的各种 Sha...
2018-03-21 14:44:46
10249
4
原创 Tensorflow Saver & restore 以及报错问题 NotFoundError: "x_x" not found in checkpoint
根据 莫烦Python 的教程 保存模型参数# -*- coding: utf-8 -*-"""Created on Tue Mar 20 10:01:04 2018@author: lyh"""import tensorflow as tf import numpy as np#saveW = tf.Variable([[1,2,3],[3,4,5]],dt...
2018-03-20 12:46:18
9417
12
原创 第一个基于 Tensorflow 的简单回归例子
学习自 YouTube 上莫烦的 TensorFlow 的教学视频# -*- coding: utf-8 -*-"""Created on Sun Mar 18 22:53:41 2018@author: Administrator"""import tensorflow as tfimport numpy as np import matplotlib.pyplot...
2018-03-19 00:04:57
385
原创 从概率论的角度理解 正则化
自己的一个理解，如果有误，请在留言处指出，万分感谢。模型学习，不管是判别模型还是生成模型，都是学习训练数据集中特征 XXX 与 其输出 YYY 的后验概率 P(Y|X)P(Y|X)P(Y|X)，其实也就是直接学习或者间接学习的区别。因此，我们的模型学到的是一个后验概率，为了防止出现学习过拟合的情况，我们通常会在损失函数后面加一个关于权重 WWW 的罚项，也叫正则项，这就是我们说的正...
2018-03-18 20:37:49
2939
翻译 第五章总结 决策树
本文 大部分参考 李航博士的《统计学习方法》 并加入少量个人部分理解，用于个人巩固提高，并非原创。决策树（decision tree）是一种基本的分类与回归方法。5.1 决策树学习决策树学习，学习的目标是根据给定的训练数据集构建一个决策树模型，使它能够对实例进行正确的分类。从另外的角度看，决策树学习是由训练数据集估计条件概率模型。损失函数 决策树学习的损失函数通常是 正...
2018-03-15 00:06:56
404
翻译 判别模型与生成模型
监督学习方法可以分为 生成方法 和 判别方法，所学到的模型分别称为 生成模型 和 判别模型。生成方法生成方法是指由数据学习联合概率分布 P(X,Y)P(X,Y)P(X,Y) ,然后求出条件概率分布 P(Y|X)P(Y|X)P(Y|X) 作为预测的模型，即生成模型： P(Y|X)=P(X,Y)P(X)P(Y|X)=P(X,Y)P(X)P(Y|X) = \frac {P(X,Y)}{P(X)...
2018-03-14 23:05:10
165
翻译 第四章总结 朴素贝叶斯法
朴素贝叶斯法 NaiveBayesNaiveBayesNaive Bayes 是基于贝叶斯定理与特征条件独立假设的分类方法。朴素一词也意味着它是一种最简单、常见的贝叶斯方法，朴素贝叶斯是贝叶斯证据独立的表达形式，属于一种特例。4.1 朴素贝叶斯的学习和分类4.1.1 概率论基础先验概率、条件概率和后验概率先验概率：事件发生前的预判概率。可以是基于历史数据的统计，可以由...
2018-03-14 00:42:11
355
原创 简单排序算法的Java实现
排序算法的Java实现import com.sun.scenario.effect.Merge;public class Sort { //插入排序 public void InsertSort(int A[]){ int i,j,temp; for (i=1;i<A.length;i++){ if (A[i] ...
2018-03-13 21:30:42
229
原创 神经网络/自编码器的实现（向量化Python版本实现）
神经网络/自编码器的实现（向量版本）# -*- coding: utf-8 -*-"""Created on Tue Jan 2 17:47:29 2018@author: lyh"""import numpy as npfrom sklearn.preprocessing import MinMaxScaler#激活函数def tanh(x): return...
2018-03-13 21:18:47
2564
翻译 第三章总结 K近邻法及kd树
本文 参考自李航博士的《统计学习方法》 为自我理解的简化版本3.1 K近邻算法给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的k个实例，这k个实例的多数属于某个类，就把该输入实例分为这个类。y=argmax∑xi∈Nk(x)I(yi=ci)y=argmax∑xi∈Nk(x)I(yi=ci)y= arg \max \sum_{x_i \in N_k...
2018-03-13 21:11:54
367
翻译 第二章总结 感知机模型
感知机（perceptron）是二分类的线性分类模型，属于判别模型2.1 感知机模型f(x)=sign(wx+b)f(x)=sign(wx+b)f(x) = sign(wx + b) sign是符号函数 感知机的解释：线性方程 wx + b = 0 对应于特征向量 RnRnR^n 中的一个超平面，w(法向量) 和 b(截距) 这些参数确定这个超平面——分离超平面，...
2018-03-13 17:16:59
394
原创 第一章总结 统计学习三要素的理解
统计学习三要素的理解统计学习的方法是基于数据构建统计模型从而对数据进行预测和分析。 形式化的表达： 统计学习方法 = 模型 + 策略 + 算法实现统计学习方法的步骤： 1. 得到一个有限的训练数据集合 2. 确定包含所有可能的模型的假设空间，即学习模型的集合 3. 确定模型选择的准则，即学习的策略 4. 实现求解最优模型的的算法，即学习的算法 5. ...
2018-03-13 17:11:21
921
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