Machine Learning Park
文章平均质量分 92
本专栏主要分3大版块:机器学习基础,深度学习实践,工业应用。同时高度强调动手实践实现。
爱笑的Gary哥
学会程序与算法,走遍天下都不怕
展开
-
Part2 深度学习实践 --- 2 线性神经网络
2 线性神经网络本博客与代码已同步到github当中,欢迎各位读者为此项目提供宝贵的issue注意:本页面的一些超链接跳转会有一些错乱,建议打开对应小节进行内容查看。2.1 线性回归在机器学习领域中的大多数任务通常都与预测有关。那么就有一部分会涉及到回归问题(另外一部分会是分类问题,其目标是预测数据属于一组类别中的哪一个)。例如:预测价格、课程参加人数预测。我们将会在2.2当中介绍多分类问题。线性回归部分我们在Part1就有所介绍,也包含其Pytorch的实现,这里我们忽略Part原创 2022-02-01 00:18:46 · 1615 阅读 · 1 评论 -
Part2 深度学习实践 --- 1 AI框架使用(Pytorch)
1 AI框架使用(Pytorch)每小节都有对应的可执行notebook文件。1.1 基本数据操作由于本人能力有限,不可能将所有Pytorch的操作都进行讲解。因此强烈建议读者遇到问题时候查阅Pytorch的官方文档和参与一些论坛社区的讨论。1.1.1 安装对Pytorch的安装,这里也不做过多的展开介绍。可以来看沐神的视频来进行学习。1.1.2 张量与基本运算为此我们首先导入torchimport torch# 为了后续方便我顺便将下面这些库也导入import numpy as原创 2022-01-12 22:52:32 · 613 阅读 · 0 评论 -
Machine Learning Park--EM(最大期望算法)
9 EM算法(最大期望算法)在前面聚类的博客当中,我们简单的讲解过使用EM算法求解GMM模型的过程,这里我们对EM算法深入进行探讨。本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/9%20EM代码说明:文件名说明gmm.ipynbGMM模型的EM算法实现gmm.data数据集文件最大期望算法(Expectation-maximization al原创 2021-12-23 11:20:01 · 1044 阅读 · 0 评论 -
Machine Learning Park--Markov(马尔科夫模型)
8 Markov(马尔科夫模型)HMM(隐马尔科夫模型)本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/8%20Markov代码说明:文件名说明markov_tag.ipynbHMM模型对NLTK自带的Brown词库进行词性标注隐马尔科夫模型(Hidden Markov Model,以下简称HMM)是比较经典的机器学习模型了,它在自然语言处理,模式识别等原创 2021-12-20 21:30:46 · 266 阅读 · 0 评论 -
Machine Learning Park--Bayes Network(贝叶斯网络)
7 Bayes Network(贝叶斯网络)本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/7%20Bayes%20Network代码说明:文件名说明bayes_network_practice.ipynb贝叶斯网络处理新闻分类7.1 概率图模型 概率图模型是用图来表示变量概率依赖关系的理论,结合概率论与图论的知识,利用图来表示与模型有关的变量的联合概原创 2021-12-17 18:37:23 · 753 阅读 · 0 评论 -
Machine Learning Park--KNN
6 KNN (K近邻)本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/6%20KNN代码说明:文件名说明knn_simple.ipynbsklearn包knn算法训练iris数据集knn_date.ipynb约会网站的配对实践datingTestSet2.txt用于knn_date的数据集。knn_date实践描述:海伦使用约会网站寻找约原创 2021-12-11 12:11:21 · 1321 阅读 · 0 评论 -
Machine Learning Park --聚类
5 聚类(Clustering)本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/5%20Clustering代码说明:文件名说明[k_means.ipynb](https://github.com/Gary-code/Machine-Learning-Park/blob/main/5 Clustering/k_means.ipynb)K_Means算法解决文本词原创 2021-12-10 21:43:18 · 619 阅读 · 0 评论 -
Machine-Learning-Park --集成学习
4 Ensemble Method集成学习本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/4%20Ensemble%20Method代码说明:文件名说明random_forest_example.ipynb随机森林sklearn实现(使用iris数据集)decision_tree_vs_random_forest.ipynb决策树与随机森林算法对比A原创 2021-12-08 21:30:30 · 477 阅读 · 0 评论 -
Machine-Learning-Park -- 支持向量机
3 SVM支持向量机本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/3%20SVM代码说明:文件名说明svmsklearn工具包实现(使用高斯核函数)对比与logistic回归和神经网络,SVM在非线性方程很有优势!为了解释一些数学知识, 此文将用???? 表示θ????????\theta^????????θTx。模型构建引入 如果我们用一个原创 2021-11-27 12:41:19 · 666 阅读 · 0 评论 -
Machine Learning Park -- 逻辑回归和Softmax
2 Logistic Regression & Softmax2.1 Logistic Regression逻辑回归本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/2%20LogisticRegression%26Softmax这是解决分类问题而不是回归问题的!代码文件说明文件名说明logistic_numpy.ipynb逻辑回归实现(使用a9原创 2021-11-23 21:53:48 · 674 阅读 · 0 评论 -
Machine Learning Park -- 线性回归
1 Linear Regression线性回归1.1 Linear Algebra线性代数矩阵与向量X=[1402191137182194914371471448]X = \left[\begin{array}{cc}1402 & 191 \\1371 & 821 \\949 & 1437 \\147 & 1448\end{array}\right]X=⎣⎢⎢⎡1402137194914719182114371448⎦⎥⎥⎤一般默认原创 2021-11-19 12:09:20 · 397 阅读 · 0 评论 -
机器学习 Machine Learning Park -- 专栏介绍
机器学习 Mechine LearningGary 哥哥2021/11/15介绍本专栏主要分两大版块,主要用于分享与总结机器学习相关基础知识当下应用说明:每个核心知识点都包含知识讲解和代码实现。本专栏主要目的用于个人学习,亦不可以篇概全,请谅解,有问题可提出。主要代码实现使用python,将同步到对应github仓库:Machine-Learning-Park专栏尽量做到每三天或者两天更新先来介绍四类角色:领域专家(Domain experts):知晓机器学习的项原创 2021-11-18 20:56:56 · 1150 阅读 · 0 评论