AI
文章平均质量分 56
铭记北宸
PMP/VCP/Niagara Developer
展开
-
《人工智能.一种现代方法》原版精读思维导图-第二章
《人工智能.一种现代方法》原版精读思维导图-第二章原创 2023-07-12 09:19:19 · 120 阅读 · 0 评论 -
AI-044: DuReader上手 - 运行基线模型
DuReader是中文机器阅读理解数据库,包含一个基线模型,可以用来研究机器阅读理解。项目地址:https://github.com/baidu/DuReader运行基线模型的步骤:1. 系统安装Python2. 安装PaddlePaddle(也可以选择TensorFlow方式运行,这样需要安装TensorFlow)3. 下载项目代码https://github.com/baidu/D...原创 2019-03-05 08:43:41 · 1730 阅读 · 3 评论 -
AI-043: Python深度学习5 - 深度学习用于计算机视觉
卷积神经网络是计算机视觉应用的最普遍模型,本章介绍以下几点:卷积神经网络的简介:结构、特性、工作原理、最大池化 小数据集上模型训练的三个策略:通过数据增强直接训练、通过预训练的网络进行特征提取、通过预训练的网络进行微调 卷积神经网络的可视化:中间输出的可视化、过滤器的可视化、类激活的热力图...原创 2018-12-30 09:17:13 · 303 阅读 · 0 评论 -
AI-042: Python深度学习4 - 机器学习基础
原创 2018-12-24 22:25:14 · 209 阅读 · 0 评论 -
AI-041: Python深度学习3 - 三个Karas实例-3
实例3:通过波士顿的房屋数据预测房价这是一个回归问题,因为最终输出的房价是一个连续值。加载数据:from keras.datasets import boston_housing(train_data, train_targets), (test_data, test_targets) = boston_housing.load_data()预处理:每个样本是32个...原创 2018-12-19 21:53:30 · 966 阅读 · 0 评论 -
AI-040: Python深度学习3 - 三个Karas实例-2
实例2:通过路透社数据集来将文本区分46个不同主题这里与上一个实例不同的地方:这是个多元分类问题,因此最终输出是46维向量加载数据from keras.datasets import reuters(train_data, train_labels), (test_data, test_labels) = reuters.load_data(num_words=10000)...原创 2018-12-19 21:24:00 · 2009 阅读 · 0 评论 -
AI-039: Python深度学习3 - 三个Karas实例-1
实例:通过imdb的评价数据来分析电影的好坏。套路:1. 预处理数据2. 建立网络模型(层数、每层节点数、激活函数)3. 选取损失函数、优化器,训练轮次及批量大小4. 使用训练集训练模型5. 根据训练结果调整2、36. 使用校验集校验模型7. 根据校验结果调整2、38. 使用测试集预测结果9. 根据测试结果调整2、310. 最终获得满意的模型:)最终...原创 2018-12-18 23:42:52 · 1667 阅读 · 0 评论 -
AI-038: Python深度学习2 - 神经网络的数学基础
2. 神经网络的数学基础深度学习最常用的模型就是神经网络,学习神经网络无法避免的要了解很多数学概念。2.1 神经网络的构成:2.2 数据表示——张量2.3 张量运算张量的几何解释很有意思,两张纸揉搓在一起,就代表我们的输入数据,而神经网络就是借助一层层的表示,将两张纸恢复成两个平面。2.4 基于梯度的优化...原创 2018-12-12 20:09:59 · 400 阅读 · 0 评论 -
AI-037: Python深度学习1 - 深度学习基础介绍
开始啃这根本书1. 机器学习基础知识人工智能是从数据中学习知识:机器学习是人工智能的分支,深度学习是机器学习的方法之一。深度学习的流程:...原创 2018-12-11 20:40:02 · 231 阅读 · 0 评论 -
AI-036: Google机器学习教程(ML Crash Course with TensorFlow APIs)笔记13 - 机器学习工程
13. 机器学习工程原创 2018-12-04 09:16:44 · 320 阅读 · 0 评论 -
AI-035: Google机器学习教程(ML Crash Course with TensorFlow APIs)笔记12 - 神经网络
12. 神经网络本文是Google机器学习教程(ML Crash Course with TensorFlow APIs)的学习笔记。教程地址:https://developers.google.com/machine-learning/crash-course/ml-intro原创 2018-12-04 09:14:07 · 251 阅读 · 0 评论 -
AI-034: Google机器学习教程(ML Crash Course with TensorFlow APIs)笔记11 - 逻辑回归
本文是Google机器学习教程(ML Crash Course with TensorFlow APIs)的学习笔记。教程地址:https://developers.google.com/machine-learning/crash-course/ml-intro11. 逻辑回归定义损失函数模型的评估标准...原创 2018-12-04 09:12:49 · 221 阅读 · 0 评论 -
AI-033: Google机器学习教程(ML Crash Course with TensorFlow APIs)笔记10 - 正则化
本文是Google机器学习教程(ML Crash Course with TensorFlow APIs)的学习笔记。教程地址:https://developers.google.com/machine-learning/crash-course/ml-intro10 正则化防止过耦合,降低模型复杂度而引入的计算因子。可以通过正则化率来调整模型中所有特征的权重的重要性。L1 与 L...原创 2018-11-29 22:51:13 · 203 阅读 · 0 评论 -
AI-032: Google机器学习教程(ML Crash Course with TensorFlow APIs)笔记9 - 表示法
本文是Google机器学习教程(ML Crash Course with TensorFlow APIs)的学习笔记。教程地址:https://developers.google.com/machine-learning/crash-course/ml-intro9. 表示法原创 2018-11-27 22:12:33 · 224 阅读 · 0 评论 -
AI-031: Google机器学习教程(ML Crash Course with TensorFlow APIs)笔记8 - 练习使用校验集和测试集以及评估模型
本文是Google机器学习教程(ML Crash Course with TensorFlow APIs)的学习笔记。教程地址:https://developers.google.com/machine-learning/crash-course/ml-intro8. 使用校验集和测试集以及评估模型代码及解说地址:https://colab.research.google.com/...原创 2018-11-26 21:17:55 · 237 阅读 · 0 评论 -
AI-030: Google机器学习教程(ML Crash Course with TensorFlow APIs)笔记6-7 - 练习TF实现线性回归、特征组合及离群值分离
本文是Google机器学习教程(ML Crash Course with TensorFlow APIs)的学习笔记。教程地址:https://developers.google.com/machine-learning/crash-course/ml-intro6. First Steps with TensorFlow代码及解说地址:https://colab.research...原创 2018-11-19 21:34:01 · 256 阅读 · 0 评论 -
AI-029: Google机器学习教程(ML Crash Course with TensorFlow APIs)笔记4-5 TensorFlow介绍
本文是Google机器学习教程(ML Crash Course with TensorFlow APIs)的学习笔记。教程地址:https://developers.google.com/machine-learning/crash-course/ml-intro4. TensorFlow 介绍TensorFlow是用来建立机器学习模型的计算框架;可以通过TF提供的高层API快速完...原创 2018-11-15 23:29:09 · 178 阅读 · 0 评论 -
AI-028: Google机器学习教程(ML Crash Course with TensorFlow APIs)笔记1-3 ML简介及线性回归介绍
本文是Google机器学习教程(ML Crash Course with TensorFlow APIs)的学习笔记。教程地址:https://developers.google.com/machine-learning/crash-course/ml-intro1.ML介绍(定义及构成)给出ML的直白定义常用的术语,基本的算法模型2.深入ML:线性回归从图形化、方...原创 2018-11-15 23:18:40 · 261 阅读 · 0 评论 -
AI-027: 机器学习的最佳实践
本文是学习Martin Zinkevich的『Rules of Machine Learning: Best Practices for ML Engineering』笔记,原文地址:https://developers.google.com/machine-learning/guides/rules-of-ml/#rule_1_dont_be_afraid_to_launch_a_produ...原创 2018-11-13 21:36:30 · 231 阅读 · 0 评论 -
AI-026: 练习:Recommender System
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1通过用户对电影的评分,推荐用户喜爱的电影:建立协同过滤的成本函数 建立协同过滤的梯度下降函数 同时最优化参数和特征 预测新用户对电影的评价...原创 2018-11-07 23:50:06 · 216 阅读 · 0 评论 -
AI-025: 练习:Anomaly Detection
通过数据的高斯分布来判断新数据是否是异常,步骤:根据公式计算高斯参数:mu和sigma 计算交叉验证数据的F1 score评估,来获取最优阈值epsilon 通过1、2获取的参数,可以预估新数据的数值;原始数据:数据分布:1. 根据公式计算高斯参数:mu和sigmaestimateGaussian.mfunction [mu sigma2] = estimate...原创 2018-11-06 21:33:26 · 290 阅读 · 0 评论 -
AI-024: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记81-84. Application Example : Photo OCR
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1通过Photo OCR-照片光学文字识别来综合讲述一个机器学习例子:81. application example – photo OCR –...原创 2018-11-05 22:55:33 · 182 阅读 · 0 评论 -
AI-022: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记69-74. Recommender system
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1推荐系统:69. Recommender systems – problem formulation自动填补上面的空白,从而根据用...原创 2018-11-05 22:55:13 · 346 阅读 · 0 评论 -
AI-023: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记75-80. Large scale ML
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1处理大规模数据:75. Large scale machine learning – learning with large datasets...原创 2018-11-05 22:55:23 · 167 阅读 · 0 评论 -
AI-021: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记61-68. Anomaly detection
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1异常侦测:61. Anomaly detection – Problem motivationNew data is anom...原创 2018-11-03 22:16:43 · 229 阅读 · 0 评论 -
AI-020: 练习:PCA
练习1:将2维数据通过PCA降为1维过程:原始数据归一化处理 计算协方差 计算新的特征向量 将原始数据映射到新的特征向量 反向恢复数据,对比验证50*2数据:原始数据归一化处理 % variable X in your environmentload ('ex7data1.mat');% Before running PCA, it is importan...原创 2018-11-01 21:28:53 · 140 阅读 · 0 评论 -
AI-019: 练习:Image compression with K-means
目标:将一张图片通过减少颜色进行压缩; 问题描述:一张128*128的RGB图片,初始化数据是一个三纬矩阵:128*128*3,前两个纬度是点的位置,第三纬度对应RGB三色数值;每中颜色是8位取值0-255;255*255*255种颜色,使用16种颜色进行压缩;问题转换:将原始图形转换为128*128行3列的样本数据,寻找16个聚类中心进行分类,然后将原来样本替换为聚类中心,重绘图形...原创 2018-11-01 21:28:43 · 191 阅读 · 0 评论 -
AI-018: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记56-60.Dimensionality Reduce with PCA
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1Two application of dimensinality reduce:Reduce the memory or disk space r...原创 2018-10-31 22:51:39 · 351 阅读 · 0 评论 -
AI-017: 练习:K-means Clustering
K-means 聚类算法:随机初始化聚类中心 计算样本所属聚类中心 根据上一步的聚类,计算各个聚类中点的均值,设置为新的聚类中心 递归2.3步骤待分类的二维数据:1. 随机初始化聚类中心,随机选择样本中的K个,K为期望的聚类中心个数:% Load an example dataset that we will be usingload('ex7data2.mat');...原创 2018-10-31 21:21:31 · 288 阅读 · 0 评论 -
AI-016: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记55.Clustering
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=155. ClusteringUnsupervised learningK Means Algorithm is the most po...原创 2018-10-30 21:05:12 · 166 阅读 · 0 评论 -
AI-015: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记50-54
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1本节是新的监督学习分类算法:SVM-Support Vector Machines支持向量机50. Support Vector Ma...原创 2018-10-29 22:03:39 · 214 阅读 · 0 评论 -
AI-014: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记49
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=149. Machine learning system design: prioritizing what to work on: spam clas...原创 2018-10-28 13:21:38 · 190 阅读 · 0 评论 -
AI-013: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记48
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=148. 机器学习的建议a. 如果学习算法没有很好的预测结果,可以从几个方面优化:获得更多的训练数据 - 修复高方差 减少特征 - 修复高方差...原创 2018-10-26 09:34:10 · 183 阅读 · 0 评论 -
AI-012: 练习:用逻辑回归解决分类问题,建模及求解
逻辑回归的模型引入了比线性回归更复杂的函数,引入逻辑函数使得建设函数的值在0到1之间; 引入log函数,使得成本函数是凸函数;逻辑回归成本函数的梯度下降算法与线性回归成本函数的梯度下降算法格式一样,只是替换了假设函数。问题:建立通信工程项目的工期、用料、施工面积与工程是否盈利的模型;假设函数,y=1代表盈利,y=0代表亏损,假设函数是项目是否盈利的概率:成本函数:期...原创 2018-10-24 19:49:10 · 675 阅读 · 0 评论 -
AI-011: 练习:用线性回归解决实际问题,Octave建模及求解
现在公司是做通信工程的,积累了很多工程数据,这里尝试用线性回归找出数据间规律。比如,通过项目的一些特性得出项目预算。选取了4个特征:合同工期,设备用量,线材用量,施工面积假设函数:成本函数:期望:优化方法-梯度下降:随机初始化参数,然后选择0.1作为学习效率,带入数据循环计算,求得成本函数最小;如果发现成本函数来回震荡,一直不收敛,可以尝试缩小学习效...原创 2018-10-23 21:05:37 · 791 阅读 · 0 评论 -
AI-010: 练习:检验下正规方程
正规方程是根据样本数据和结果数据计算出参数的数学方法,公式:抱着怀疑的态度测验下,先写个假设函数:给些数据,计算输出:借助Octave的计算:pinv(X'*X)*X'*Y这样在线性回归的特征不是很多、样本不是很大时,可以直接用公式计算参数:)...原创 2018-10-22 21:58:24 · 208 阅读 · 0 评论 -
AI-009: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记38-47
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=138. Neural Networks - Representation - Non-linear hypothesesWhy neural ne...原创 2018-10-22 21:58:14 · 206 阅读 · 0 评论 -
AI-008: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记34-37
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1正则化来解决过拟合问题:34. Regularization - the problem of overfittingWhat’s overf...原创 2018-10-22 21:58:01 · 163 阅读 · 0 评论 -
AI-007: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记27-33
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1分类问题思维导图:27. Logistic Regression - ClassificationExample: It is not...原创 2018-10-22 21:57:51 · 310 阅读 · 0 评论 -
AI-006: 吴恩达教授(Andrew Ng)的机器学习课程学习笔记21-26
本文是学习Andrew Ng的机器学习系列教程的学习笔记。教学视频地址:https://study.163.com/course/introduction.htm?courseId=1004570029#/courseDetail?tab=1本文中的白色背景视频截图来自Andrew Ng的视频脚程, 黑色背景为个人实验。21. Octave Tutorial - Basic opera...原创 2018-10-22 21:57:36 · 169 阅读 · 0 评论