beautifulding的博客

原创 随机梯度下降法

代码： import random # 用y = Θ1*x1 + Θ2*x2来拟合下面的输入和输出 # input1 1 2 5 4 # input2 4 5 1 2 # output 19 26 19 20 input_x = [[1, 4], [2, 5], [4, 1], [3, 2]] # 输入 y = [19, 26, 19, 20] # 输出 theta = [1, 1] # θ参数初始化 loss = 10 # loss先定义一个数，为了进入循

原创 图卷积神经网络 11.9

代码： importtorch importtorch.nn.functionalasF fromtorch_geometric.nnimportGCNConv fromtorch_geometric.datasetsimportPlanetoid dataset=Planetoid(root='/tmp/Cora',name='Cora') classNet(torch.nn.Module): def__init__(self): super(Net...

原创 10.26 决策树推导

原创 2021-10-21强化学习

importgym,os fromitertoolsimportcount importpaddle importpaddle.nnasnn importpaddle.optimizerasoptim importpaddle.nn.functionalasF frompaddle.distributionimportCategorical print(paddle.__version__) device=paddle.get_device() env=gy...

原创 通过极简方案构建手写数字识别模型10.19

原创 10.15卷积神经网络进行图像分类

代码： import paddle from paddle.batch import batch import paddle.nn.functional as F import numpy as np import matplotlib.pyplot as plt from paddle.nn import Linear from paddle.nn.functional.common import pad from paddle.vision.transforms import ToTensor t

原创 PCA实现

import numpy as np Data = np.array([[2.5, 2.4], [0.5, 0.7], [2.2, 2.9], [1.9, 2.2], [3.1, 3.0], [2.3, 2.7], [2, 1.6], .

原创 Euler

import matplotlib.pyplot as plt x, y = 0.0, 1.0 tarX = 10.0 buchang = 0.1 X, Y = [x], [y] def f(x:float, y:float): return y - 2 * x / y while x <= tarX: k1 = f(x, y) k2 = f(x + buchang, y + k1 * buchang) y = y + 0.5 * (k1 + k...

原创 神经网络 推导过程

原创 贝叶斯 马特拉波

import matplotlib.pyplot as plt y = 1 x = 0 xx = [0] * 101 yy = [0] * 101 for i in range(1,101): y = 1.1*y-0.2*x/y x=x+0.1 xx[i]=x yy[i]=y print(xx[i],yy[i]) plt.plot(xx,yy) plt.show()

原创 感知器算法 -丁玉海

importnumpyasnp importmatplotlib.pyplotasplt frommpl_toolkits.mplot3dimportAxes3D importmath importrandom defsigma(x): return1/(1+math.exp(-x)) e0=1 e1=1 e2=1 alpha=0.1 omga0=np.random.uniform(-1,0) omga1=np.random.uni...

原创 机器学习 监督学习算法

import numpy as np import matplotlib.pyplot as plt alpha =0.1 x = np.array([[2104,3],[1600,3],[2400,3],[1416,2],[3000,4]]) t = np.array([400,300.369,232,540]) c0 = np.random.random() c1 = np.random.random() c2 = np.random.random() c = np.array([c1,c2]) .

原创 第一次作业 part3

numpy中的矩阵copy 开辟新地址 a不改变 未开辟新地址 a改变 取a中第三行第三个改成6 a也变成6 未开辟新地址 np.zeros_like()构造全零矩阵，无需指定大小 产生随机浮点数 np.random.randn() 生成正太分布矩阵 nnp.randm.randint() 生成离散均匀分布的整数值组成的矩阵 np.pad()函数进行padding操作 在矩阵行的上部分添加...

原创 第一次作业 part2

默认生成50个数据 生成10个数据，包括首尾 不包括尾部数据 将步长与结果的数组放入一个list 拉平 np.prod() 计算元素乘积 axis计算指定轴的乘积 maximum() 函数 ...

原创 作业1 part1

广播机制