机器学习
文章平均质量分 96
陈小虾
机器学习、神经网络、数据结构、软件开发、产品、C++、Python
展开
-
EM算法
本文转载了别人的EM算法,写的通俗易懂转载 2020-02-08 13:39:59 · 468 阅读 · 0 评论 -
支持向量机SVM、支持向量回归SVR详细推导
文章详细介绍了支持向量机SVM及其拓展,支持向量回归SVR.并从线性分类和非线性分类的角度出发,详细推导了硬间隔、软间隔和核函数的支持向量机。原创 2019-06-30 09:31:52 · 69266 阅读 · 10 评论 -
GAN的系列经典模型讲解
文章目录概述一、CGAN1、基本思想2、模型简介3、 应用二、DCGAN1、基本思想2、模型简介三、WGAN1、模型解析2、模型优点四、LSGAN1、基本思想2、模型解析概述自从Goodfellow2014年提出这个想法之后,生成对抗网络(GAN)就成了深度学习领域内最火的一个概念,包括LeCun在内的许多学者都认为,GAN的出现将会大大推进AI向无监督学习发展的进程。于是,研究GAN就...原创 2019-07-21 21:36:56 · 9465 阅读 · 0 评论 -
数据挖掘学习(一):特征工程
文章目录概述一、特征选择1、选择合适的特征1.1 过滤法选择特征1.2 包装法选择特征1.3 嵌入法选择特征2、寻找高级特征二、特征表达2.1 缺失值处理2.2 特殊的特征处理2.3 离散特征的连续化处理2.4 离散特征的离散化处理2.5 连续特征的离散化处理三、特征预处理3.1 特征的标准化和归一化3.2 异常特征样本清洗3.3. 处理不平衡数据概述特征...原创 2019-08-03 12:22:34 · 780 阅读 · 0 评论 -
深度学习基础之过拟合
过拟合是深度学习中不可避免的一个问题,本文介绍了方差和偏差,欠拟合和过拟合,以及产生过拟合的原因。最后给出了如果减缓过拟合的方法。原创 2019-08-04 11:51:49 · 674 阅读 · 0 评论 -
数据挖掘学习(二):模型评价指标
在机器学习和数据挖掘中,模型的评价指标至关重要。本文对常用到的分类、回归和聚类的评价指标进行了总结。原创 2019-08-04 16:30:07 · 4168 阅读 · 0 评论 -
深度学习基础之归一化
数据归一化是深度学习数据预处理非常关键的步骤,可以起到统一量纲,防止小数据被吞噬等作用。本文介绍了常见的几种归一化:线性归一化、零均值归一化和非线性归一化,以及局部响应归一化和批归一化。原创 2019-07-27 16:56:23 · 7366 阅读 · 0 评论 -
K均值(K-means)聚类算法
本文详细介绍了K-means算法原理,并给予了公式推导,然后给出了优缺点。原创 2019-08-08 11:27:16 · 5739 阅读 · 0 评论 -
K近邻(KNN)算法总结
本文介绍了KNN的原理及其优缺点,算法实现的过程。然后讲解了KNN的实现原理:kd树和球数实现KNN的原理。原创 2019-08-08 21:35:14 · 4133 阅读 · 0 评论 -
决策树算法总结(上:ID3,C4.5决策树)
本文讲解了经典的决策树:ID3决策树,并给出了西瓜书上的例题。最后给出了ID3的不足。原创 2019-08-11 15:44:49 · 4527 阅读 · 0 评论 -
决策树算法总结(下:CART决策树)
本文详细总结了CART树,包括了CART分类树和CART回归树,给出了相关的推导和思想,然后重点介绍了决策树的剪枝,最后总结了决策树的优缺点。原创 2019-08-11 22:01:26 · 1037 阅读 · 0 评论 -
生成对抗网络GAN详细推导
生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络最最直接的应用是数据的生成,而数据质量的好坏则是评判GAN成功与否的关键。本文介绍了GAN最初被提出时的基本思想,模型和公式推导,以及训练。原创 2019-07-21 13:35:52 · 2888 阅读 · 7 评论 -
深度学习基础之正则化
本文针对机器学习中的正则化做了详细讲解,对于什么是正则化,L1、L2正则化的图解,他们区别和如何选择做了详细讲解。原创 2019-07-20 17:16:36 · 331 阅读 · 0 评论 -
LSTM(长短时间记忆模型)的详细推导
由于RNN梯度消失而不能处理长序列的问题,提出了LSTM,本文对从RNN到LSTM的改进思想、LSTM的模块、前向传播和反向传播进行了推导。原创 2019-07-20 08:45:40 · 6674 阅读 · 0 评论 -
BP神经网络的详细推导
BP神经网络算法是深度学习的基础,后期的CNN,RNN和GAN都是以此为基础。所以掌握BP算法,以及BP算法的推导十分必要。原创 2019-07-08 14:32:12 · 5624 阅读 · 0 评论 -
卷积神经网络CNN模块化剖析
本文简要介绍了深度学习的发展。然后对卷积神经网络的几个模块进行了剖分讲解,包括:卷积层,池化层,非线性激活函数,全连接层以及损失函数和优化方法。搞懂了这些模块之后,你就可以去读文章啦!原创 2019-07-03 08:51:41 · 3864 阅读 · 0 评论 -
神经⽹络可以计算任何函数的可视化证明
在BP神经网络的那一章文章中提到过,只需一个包含足够多神经元的隐层,多层前馈网络就能以任意精度逼近任意复杂度的连续函数。所以,今天就用可视化的方式简单的证明一下这个结论。原创 2019-07-08 22:04:34 · 809 阅读 · 0 评论 -
循环神经网络RNN详细推导
本文详细推介绍RNN的发展历史,工作原理,以及前向和后向传播算法,并给出了详细的推导过程,最后简单介绍了梯度消失和梯度爆炸。原创 2019-07-14 15:15:49 · 2921 阅读 · 1 评论 -
深度学习基础之激活函数
本文介绍了机器学的常见的9中激活函数,给出了函数表达式,图像和导数,并且给出了相应的性质。最后,交给大家如何选择使用和失败的激活函数。原创 2019-07-14 21:57:42 · 675 阅读 · 0 评论 -
贝叶斯分类器详解
本文介绍了贝叶斯的基本知识,然后给出了极大似然估计。最后给出了朴素贝叶斯分类器和半朴素贝叶斯分类器,并给出了西瓜书上相关的例题。原创 2019-07-07 08:22:20 · 28683 阅读 · 6 评论 -
贝叶斯网络、EM算法推导
本章简要的介绍了贝叶斯分类器的拓展:贝叶斯网络和EM算法,并给出了简单的推导。原创 2019-07-07 08:23:55 · 3315 阅读 · 0 评论 -
深度学习基础之代价函数
在机器学习和深度学习中,代价函数非常重要。所以十分有必要弄个清楚代价函数相关的概念和性质。本文介绍了什么是代价函数,然后列举了常用的三种代价函数,并对其中的二次代价函数和交叉熵代价函数进行了比较。原创 2019-07-16 13:03:03 · 6068 阅读 · 2 评论 -
深度学习基础之损失函数
本文首先给出了损失函数的定义,然后将损失函数、代价函数、目标函数进行了区分说明,最后给出了几种常见的损失函数。原创 2019-07-16 19:28:28 · 1781 阅读 · 0 评论 -
Qt5的安装及Qt5使用C++调用pyton
因为python具有很多拓展模块,所以可以采用Qt去调用Python脚本进行项目开发。这里给出了具体用Qt调用python的步骤,并给出了常见的几个坑,供大家参考。原创 2019-07-17 14:39:30 · 1184 阅读 · 2 评论 -
用于图像分类的经典的卷积神经网络CNN
本文详细介绍了CNN在图像分类中的发展过程中的几个经典的网络,包括了从LeNet,AlexNet,VGGNet,GoogleNet,ResNet到DenseNet的一路改进、优化的过程。原创 2019-07-08 09:49:01 · 25265 阅读 · 0 评论