机器学习课程作业
文章平均质量分 87
机器学习课程作业记录。
柯西没科气
学习不努力,搬砖徒伤悲
展开
-
作业5:SVM实现鸢尾花分类
作业5:SVM实现鸢尾花分类1. SVM 介绍支持向量机(support vector machines)是一种二分类模型,是定义在特征空间上的间隔最大的线性分类器。它的目的是寻找一个超平面来对样本进行分割,分割的原则是间隔最大化,最终转化为一个凸二次规划问题(convex quadratic programming)来求解,可等价于正则化的合页损失函数最小化问题。SVM算法流程如图1所示:SVM的基本思想是:给定训练样本,支持向量机建立一个超平面作为决策曲面,使得正例和反例的隔离边界最大化。假设有原创 2022-03-23 14:29:22 · 7520 阅读 · 2 评论 -
作业3:LetNet 网络实现
作业3:LeNet 网络实现报告LeNet-5 网络模型作为卷积神经网络中的开创性工作,提出了三大思想:局部感知权值共享下采样因为图像特征分布在图像的像素上,利用卷积操作可以在多个位置提取相类似的特征,于是有了局部感知。另外由于当年并没有计算能力强悍的 GPU 来辅助训练神经网络,因此通过下采样层有效地加快训练和提取更高维特征,能够节省参数和计算,这与当年的技术相比是一个关键的优势。另外原论文中提到,全卷积不应该被放在第一层,图像特征有着高度的空间相关性,因此权值共享可以充分利用图原创 2022-03-23 14:26:13 · 4631 阅读 · 0 评论 -
作业2:BP 算法实验报告
作业2:BP 算法实验报告1. 算法介绍BP 算法全称叫做误差反向传播(error Back Propagation, 或者叫作误差逆传播)算法。现实任务中使用神经网络时,大多是在是使用 BP 算法进行训练。BP 算法不仅可以用户多层前馈神经网络,还可以用于其它类型的神经网络,例如训练递归神经网络。但通常说“BP 网络”时,一般是指用 BP 算法训练的多层前馈神经网络。BP 神经网络是这样一种神经网络模型,它是由一个输入层、一个输出层和一个或多个隐层构成,它的激活函数采用 sigmoid 函数,采用原创 2022-03-23 14:22:52 · 5984 阅读 · 2 评论 -
作业1:ID3 算法实验报告
作业1:ID3 算法实验报告1. 算法介绍信息增益:特征 A 对训练数据集 D 的信息增益 g(D, A),定义为集合 D 的经验熵 H(D) 与特征 A 给定条件下 D 的讲演条件熵 H(D|A) 之差,即 g(D, A) = H(D) - H(D|A)。ID3 算法的核心实在决策树各个节点上应用信息增益准则选择特征,递归地构建决策树。具体方法是:从根结点(root node)开始,对节点计算所有可能特征的信息增益,选择信息增益最大的特征作为结点的特征,由该特征的不同取值构建子结点;再对子结点原创 2022-03-23 14:20:02 · 4673 阅读 · 3 评论