机器学习
文章平均质量分 60
Cy_coding
这个作者很懒,什么都没留下…
展开
-
机器学习理论梳理2 : KNN K近邻分类模型
本文主要梳理KPPV,K近邻模型的基本原理。从机器学习的大分类来看,K近邻模型属于监督学习中的一种判别式模型,常用于分类问题。初始的数据集中,包含了已经分类标签好的数据。一句话来说,K近邻模型就是通过计算实例与现有数据集中所有数据的数学距离,从中挑选出K个最近的例子。在这K个例子中,占据大多数的分类就是新的实例的分类。...原创 2021-10-21 20:34:06 · 520 阅读 · 0 评论 -
快速理解binary cross entropy 二元交叉熵
二元交叉熵损失函数原理原创 2021-05-05 18:27:48 · 47606 阅读 · 2 评论 -
keras中mean square error均方误差理解
机器学习中,针对不同的问题选用不同的损失函数非常重要,而均方误差就是最基本,也是在解决回归问题时最常用的损失函数。本文就keras模块均方误差的计算梳理了一些细节。原创 2021-04-14 03:21:44 · 3479 阅读 · 0 评论 -
keras模型中的默认初始化权重
权重的初始化,决定了模型训练的起点。一个良好的初始化可以加快训练过程,同时避免模型收敛至局部最小值。为了在训练过程中避免使得权重的变化总沿着同一个方向,我们尽量避免将所有权重都初始化为同一个值,如全0矩阵或全1矩阵。往往我们使用均匀分布或者正则分布初始化权重矩阵。在使用tensorflow框架时,keras为我们提供了许多封装好的层,其中常见的有Dense全连接层,Conv2D卷积层等等。查阅文档我们发现默认的权重初始化都使用了glorot uniform :Wij⇝U(−6n+m,6n+m) W_{i原创 2021-03-28 23:50:42 · 3107 阅读 · 0 评论 -
tensorflow gpu windows配置步骤教学
window10配置tensorflowgpu 环境原创 2021-03-15 22:17:26 · 727 阅读 · 0 评论 -
autoencoder自编码器原理以及在mnist数据集上的实现
Autoencoder是常见的一种非监督学习的神经网络。它实际由一组相对应的神经网络组成(可以是普通的全连接层,或者是卷积层,亦或者是LSTMRNN等等,取决于项目目的),其目的是将输入数据降维成一个低维度的潜在编码,再通过解码器将数据还原出来。因此autoencoder总是包含了两个部分,编码部分以及解码部分。编码部分负责将输入降维编码,解码部分负责让输出层通过潜在编码还原出输入层。我们的训练目标就是使得输出层与输入层之间的差距最小化。我们会发现,有一定的风险使得训练出的AE模型是一个恒等函数,这是一.原创 2021-02-18 07:43:33 · 4557 阅读 · 2 评论 -
softmax函数与交叉熵损失函数
交叉熵损失函数softmax原创 2020-12-06 05:15:56 · 4399 阅读 · 2 评论 -
交叉验证 cross validation 与 K-fold Cross Validation K折叠验证
交叉验证K折叠验证原创 2020-12-04 04:05:29 · 2375 阅读 · 1 评论 -
机器学习模型中step与epoch,batch_size之间的关系
本文主要谈谈自己对step,epoch,batch_size这几个常见参数的理解。原创 2020-11-14 01:39:35 · 16966 阅读 · 2 评论 -
Anaconda安装tensorflow报错问题解决方法
最近脱离了googlecolab想使用本地的anaconda进行机器学习课题的演练,在安装tensorflow时报错 : UnsatisfiableError: The following specifications were found。下面给出解决方法。原创 2020-10-30 22:38:10 · 2296 阅读 · 0 评论 -
一文看懂计算机神经网络与梯度下降
本文着重介绍了计算机神经网络的基本构成,及梯度下降算法在神经网络中的运用,包括了反向传播算法及如何使用tensorflow计算梯度。原创 2020-10-14 17:16:24 · 888 阅读 · 0 评论 -
NLP基础 : HMM 隐马尔可夫模型
Hidden Markov Model, HMM 隐马尔可夫模型,是一种描述隐性变量(状态)和显性变量(观测状态)之间关系的模型。该模型遵循两个假设,隐性的状态只取决于前一个隐性状态,观测状态也只取决于前一个观测状态。因此我们常常将隐马尔科夫模型表现为一种如下图所示链式的模型。其中,xtx_txt代表某一时刻的隐形状态链,其N个状态取值集合为{s1,s2,s3,...,N}\{s_1,s_2,s_3,...,_N\}{s1,s2,s3,...,N}。yty_tyt表示为对应的该时刻的显性状态原创 2020-07-19 05:37:56 · 595 阅读 · 0 评论 -
机器学习理论梳理1: PCA主成分分析
机器学习的理论部分学习知识点比较乱且杂。我这里通过几篇文章,简单总结一下自己对机器学习理论的理解,以防遗忘。第一篇文章主要概述了机器学习的基本任务以及一个常用的降维方法,主成分分析。原创 2020-06-22 21:53:52 · 308 阅读 · 0 评论