Yukiice的博客

近段时间在用导师给的服务器跑项目，所以升级了一下 Python 版本。这里分享下自己在升级 Python 时的流程和遇到的一些问题~

【学习笔记】机器学习_044：通过Kaggle竞赛的房价预测实例，对机器学习模型的上手构建过程有了一个整体认知，对整个流程的代码部分也了解得更为充分。明晰了K则交叉验证这样的方法如何通过代码实际在模型构建中应用。

【学习笔记】机器学习_043：明晰准确率、精确率、召回率的定义及表示，以浅显易懂的方式明确其含义。学习评估机器学习算法模型的又一指标。

【学习笔记】机器学习_042：关于迁移学习进行相关学习。后续将针对深度学习中的迁移学习作进一步了解和学习。

【学习笔记】机器学习_041：梳理模型开发迭代过程，对模型开发工程中的基本流程进行分析，并针对模型诊断、错误分析提供了一些注意点。

【学习笔记】机器学习_040：理解偏差与方差，理解学习曲线，认识解决高偏差与高方差的方法。

【学习笔记】机器学习_039：学习了达到稳定训练所需的操作；为什么要合理初始化参数，以及合理初始化参数的方法。

【学习笔记】机器学习_038：学习了梯度消失与梯度爆炸的原理，明确了两者可能带来的一些坏处。

【学习笔记】机器学习_037：学习了暂退法（丢弃法）的实现原理，理解了暂退法在模型构建中所体现出来的避免过拟合的作用。

【学习笔记】机器学习_036：学习了正则化方法：权重衰退的相关知识

【学习笔记】机器学习_035：通过已有的函数库，用更简洁的代码实现简单的多层感知机模型。

【学习笔记】机器学习_034：对多层感知机的实现原理有了进一步了解，编写代码实现了多层感知机。（其实现过程与softmax模型的区别并不大）

【学习笔记】机器学习_033：回顾了前向传播，学习了反向传播的原理；通过机器学习中的计算图理解反向传播；并使用Sympy自行求导

【学习笔记】机器学习_032：初步了解卷积神经网络，知晓其组成与实现原理，以及卷积神经网络的优点与好处

【学习笔记】机器学习_031：学习了梯度下降的一种优化算法：Adam算法的原理及实现

【学习笔记】机器学习_030：入了解了感知机的工作原理，作为一个处理二分类问题的模型而实现。

【学习打卡】机器学习_029：对softmax模型利用库里已有的一些函数进行了简洁代码实现

【学习打卡】机器学习_028：回顾了Softmax模型的原理、知识点，从零开始编码实现了Softmax模型

【学习打卡】机器学习_027：学习了激活函数的有关知识，学习了三类最常用的激活函数，了解了激活函数的作用以及为什么要使用激活函数、如何选择激活函数等。

【学习打卡】机器学习_026：学习了用实际代码表示神经网络的构建与前向传播的构建过程，学习了关键的计算单层输出激活值和连接不同层的函数实现