机器学习
文章平均质量分 92
晨哥是个好演员
nothing is impossible
展开
-
轻松搭建深度学习网络
结合Pytorch代码,简单介绍如何搭建一个基本的深度学习网络原创 2022-12-13 16:43:46 · 1263 阅读 · 0 评论 -
Datawhale机器学习学习总结22-11-27
2022-11-27日,对本次datawhale开源学习进行总结原创 2022-11-27 23:38:36 · 467 阅读 · 0 评论 -
卷积神经网络
本节内容学习了什么是CNN卷积神经网络,相比于全连接网络,它每次只提取部分内容作为整个网络的某些模块的运算,每个卷积可能负责图像上某个小模块的内容,比如某个卷积filter输出后得到的可能是某个该卷积想关注的图像纹理特征,我们一般是将多个卷积最终通过全连接,让局部信息和全局信息相互作用,通过全连接最终利用起整体的信息,所以也会说明卷积神经网络和全连接神经网络之间的关系,以及卷积神经网络的一些应用,比如卷积神经网络可以用于文本情感分析、语音辨识、迁移学习等等涉及图像的操作上。原创 2022-11-24 20:27:09 · 777 阅读 · 0 评论 -
神经网络训练不起来,怎么办?
本次学习了如何优化神经网络,要优化首先要去分析模型的样子,需要了解critical point有两种可能,分别是saddle point和local point,了解到batch-size这个超参数的大小对训练的影响以及优化器的选择。分类任务更适合交叉熵作为loss function等等优化知识。原创 2022-11-23 23:33:57 · 2166 阅读 · 2 评论 -
深度学习简介及反向传播
本文主要介绍了什么是深度学习,以及深度学习中的反向传播理论原创 2022-11-19 18:41:47 · 886 阅读 · 0 评论 -
误差和梯度下降
介绍机器学习中的误差来源以及梯度下降原理原创 2022-11-19 01:14:56 · 1391 阅读 · 2 评论 -
回归模型介绍
介绍了机器学习中的线性回归模型原创 2022-11-17 01:39:48 · 1283 阅读 · 0 评论 -
机器学习介绍
李宏毅机器学习笔记原创 2022-11-14 19:54:57 · 1086 阅读 · 0 评论 -
使用Python实现KNN算法解决简单分类问题
使用Python实现KNN算法解决简单分类问题KNN分类KNN算法属于监督学习算法,它可以解决分类问题,也可以解决回归问题。对于一组带标签的数据,当我们使用KNN算法进行分类时,有两种分类方式。KNN的分类是有参照点的,它会参照周围的 KKK 个结点的标签,来划分适合这个加入点的标签,初始假设 K=kK = kK=k,第一种分类方式,根据最近的 kkk 个距离的点的标签比例划分。 我们将加入点周围最近的 kkk 个点找出来,加入点的标签类别就是它周围这 kkk 个点中占比最多的那类标签。第二种分类方原创 2021-01-15 21:57:07 · 2227 阅读 · 0 评论 -
感知器公式推导
感知器推导总结我们知道当 x∈Rx \in \mathbb{R}x∈R,若规定 yyy 的取值只能为 {1,−1}\{1, -1\}{1,−1},那么我们的决策边界函数为:f(x)=sign(ωTx+b)f(x) = sign(\omega^Tx+b)f(x)=sign(ωTx+b)其中上式的 signsignsign 函数用于判断选择最后 yyy 的取值。sign(a)={1,a⩾0−1,a⩽0sign(a) = \left\{\begin{array}{rr} 1, a\geqslant0\\-1原创 2021-01-11 18:45:57 · 645 阅读 · 0 评论 -
支持向量机(一)
支持向量机因为用 kkk 对 (ω,b)(\omega, b)(ω,b) 进行缩放后,即 (ω,b)(\omega, b)(ω,b) 变为 (kω,kω)(k\omega, k\omega)(kω,kω),样本 x(n)x^{(n)}x(n) 到超平面距离不发生变化,也就是系数的改变对直线并无任何实质影响,所以不管 kkk 是多少,距离 γ(n)\gamma^{(n)}γ(n) 都是不会改变的。那么现在对最特殊的,也是最近距离的支持向量 x0x_0x0,我们要求出其最大距离,因为对于 ∣ωTx0+b∣|原创 2020-12-13 23:10:32 · 1213 阅读 · 1 评论