玛丽莲梦马路的学习笔记
文章平均质量分 67
李雨晴yu
这个作者很懒,什么都没留下…
展开
-
tensorflow学习笔记
首先,第一个问题:tensorflow是什么? 它是一个基于数据流图解决数值计算的开源软件库,现主要应用于深度学习,在我的理解上就是tensorflow可以完成神经网络的构建,进行一系列的数据计算(包括线性变化,激活函数等)。 其次,tensor又是啥? 通过搜索各大大神的笔记,这样理解:tensor又叫张量,在整个大框架里面就是一个装数据的桶子,他把所有形式的数据都用N维向量来表示。 就我在b站的学习视频来总结,我认为tensorflow在深度学习上的...原创 2021-09-15 22:53:20 · 219 阅读 · 0 评论 -
卷积神经网络CNN
在学习CNN之前需要了解的是神经网络,为了使得计算机像我们人类一样拥有自己思考的能力,不仅仅是在计算一些预测值(就像回归问题一样,只是单纯的去得出一个值),就此诞生了像人类的神经元一样的结构,神经元之间相互联系构成神经网络,可以通过输入数据来得出结果,比如判断图片中是什么动物、判断图片中车辆属于哪一种类型等。1.1 基本结构上图就是神经元的结构,均为输入数据,为权重,b代表偏置值,g(z)为激活函数,a为输出结果。可以参照之前学习过的逻辑回归的结构。神经元是神经网...原创 2021-09-13 21:56:30 · 143 阅读 · 0 评论 -
分类算法学习-逻辑回归Logistic Regression
首先需要明确一下回归和分类两大问题的区别:回归是属于预测值地问题,就好比经典的预测房价;而分类问题就是需要判断样本地类别,有二元分类(如邮件是否为垃圾邮件)和多元分类(如输入一则新闻,输出新闻所属地类别)。而逻辑回归是属于分类算法!可用于解决二元分类问题,要注意区别与线性回归。 这个公式为sigmoid函数; 关于逻辑回归使用sigmoid函数的原因:在实际应用时,线性公式求出的值往往都很大,看第一个公式就...原创 2021-09-12 23:04:22 · 226 阅读 · 0 评论 -
分类算法学习-基于朴素贝叶斯分类器的分类算法
全概率公式:Bi是样本空间的划分,A代表一个事件贝叶斯公式:朴素贝叶斯分类:想象成一个由果索因的过程,一般日常生活中我们常常容易求得的是P( B | A)而真正应用时,P( A | B)更具有现实意义,就比如A代表得肺癌,B代表长期吸烟,根据病人吸烟的概率去求得患癌症的概率时更有意义的。所以在使用朴素贝叶斯进行分类时,B代表类别,就需要求出最大的 p(B | A)综上:y为算法模型输出的预测值朴素贝叶斯分类:...原创 2021-09-09 10:10:53 · 396 阅读 · 0 评论 -
分类算法学习-KNN
KNN算法的核心思想就像是一句古语:近朱者赤近墨者黑。核心就是根据样本临近的其他样本来判断它属于哪一类,判断标准就是距离,它跟哪一类隔得近(玩的好,关系好)他就归属于哪一类。所以在KNN算法中主要的三个步骤就是:算距离,找邻居,分类。KNN与K-means有些相像,但后者是无监督学习,而KNN属于监督学习。 在计算距离时常用的距离公式有:欧式距离和曼哈顿距离 注意K代表的含义:类别数,所以K的取值非常重要,K太小时会造成过拟合,过大会造成欠拟合。K的取值一般不...原创 2021-09-06 22:10:00 · 175 阅读 · 0 评论 -
分类算法学习-决策树
作为一种基本的分类算法,决策树的概念如同他的名字一样,是基于树这一定义而言的,通过特定的标准选择内部节点(就是树的分叉点)。决策树最为主要的三个步骤就是:特征选择,构建决策树,剪枝。1、需要了解的是一些基本概念:信息熵:所有可能发生事件所带来的信息量的期望 符号频率越均匀,信息熵就越高条件熵:在一定条件下,一个特征的熵信息增益:代表的是一个特征能为分类系统带来多少信息:信息熵-条件熵信息增益率: 该特征的信息增益除以熵Gini系数:在CA...原创 2021-09-03 21:09:15 · 121 阅读 · 0 评论 -
numpy库的函数学习
1、np.eye(N, M=None, k=0, dtype=<class ‘float’>, order=‘C’)创建一个N行M列的矩阵:对角阵元素全部为1,其余位置全部为0,相当于就是一个单位矩阵。dtype:返回数组的类型,k表示的是对角线上的第一个元素的位置,为1时表示向右移一个单位,-1时表示向左移一个单位。例:a=np.eye(3,5,1)[[0. 1. 0. 0. 0.][0. 0. 1. 0. 0.]...原创 2021-09-01 20:41:26 · 2238 阅读 · 0 评论 -
matplotlib库函数学习笔记
1、plt.plot(x,y,format_string,**kwargs) 用于绘制图像 与show()结合使用x表示x轴数据;format_string控制曲线的格式字串,包括颜色字符,风格字符,和标记字符**kwards:color 颜色linestyle 线条样式marker 标记风格markerfacecolor 标记颜色markersize 标记大小 等等...原创 2021-09-01 20:41:07 · 159 阅读 · 0 评论 -
python相关函数笔记
1、enumerate()函数 用于枚举,返回的是元组基本参数:sequence:输出的数据,可以是列表、元组等index:数据返回时的索引值,没有赋值时从0开始2、map(函数名,数据)函数map将函数运用在每一个数据,返回一个列表3、lambdaargument_list: expression基本参数:argument_list:传入的数据expression:函数执行的操作例:add=lambda x, y: x+y,定义了加法函数...原创 2021-09-01 20:40:48 · 1167 阅读 · 0 评论 -
pandas库函数学习笔记
1、pandas.read_csv函数 用于读取文件基本参数:filepath_or_buffer 文件的路径header 作为每一列的别名(即第一行的值),当文件没有设置列名时:默认值为0:表示使用文件中原来存在的列名,也可能就是第一行的数据;当设置值为None时:表示用【0,1,2....】来作为列名names 用于结果的列表名称,再输出时自己设定列名,可以用列表的形式来定义,比如names=['population','profite'],当header=None时,...原创 2021-09-01 20:40:28 · 338 阅读 · 0 评论 -
分类算法学习笔记-SVM
在看了很多篇博客之后,作为小白的我写一下我对svm的理解。 1、svm(support vector machine)是一种二分类的方法,之所以被叫做:支持向量机,在我的理解上是因为算法要求找到一个基于向量的超平面,这个超平面将数据样本来进行一个划分。它的基本模型被称作:间隔最大的分类器,原因在于所找到的超平面需要有最大的几何间隔,需要具有更好的鲁棒性,能够很好的区分数据样本。 2、所以,第一步要做的就是找到这个超平面,超平面可以用来定义,以此得知要建立超平面就需要求出w和b...原创 2021-08-30 18:25:13 · 184 阅读 · 0 评论 -
机器学习-反向传播算法
在学习反向传播算法之前,需要先弄清楚前向传播。<-----------------------------------------前向传播求损失,反向传播求误差--------------------------------------->由图可见,输入层和权重经过线性变化之后会得到Z(即图中的Z1和Z2),在隐藏层经过激活函数(如sigmoid函数)得到A(即图中的a1和a2),第二层隐藏层也是如此计算,最后得到输出值,这个过程就叫做前向传播。得到的输出值与实际的值y存在误差.原创 2021-07-28 17:58:56 · 781 阅读 · 0 评论