机器学习
lwycc233
坚持总会有回报!
展开
-
01-机器学习课程:什么是机器学习?
本课程主要使用:MATLAB,Octave(免费的MATLAB)原创 2018-06-13 00:02:17 · 216 阅读 · 0 评论 -
基于概率论的分类方法:朴素贝叶斯
朴素贝叶斯算法的目的给出一个最优的类别猜测结果,同时给出这个猜测的概率估计值4.1 基于贝叶斯决策理论的分类方法贝叶斯的特点 优点:数据较少的时候仍然适用,可以处理多类别问题 缺点:输入数据的准备方式较为敏感贝叶斯决策理论的核心:选择具有最高概率的决策4.4 使用朴素贝叶斯进行文档分类...原创 2018-09-09 15:54:06 · 212 阅读 · 0 评论 -
李宏毅-Machine Learning(1)
人工智慧(目标)> 机器学习(手段) > 深度学习machine learning 分为三个步骤:a function set (model)、衡量一个function是否好、挑出最好的function。...原创 2018-10-24 16:27:25 · 103 阅读 · 0 评论 -
Machine Learning 李宏毅 HW0字数统计和图片淡化
words.txt和图片下载地址:添加链接描述题目1出现字数统计。1.读取words.txt中的所有英文单词,单词由分隔。2.按照单词出现的次数,给予编号(0,1,2)。3.统计单词出现的次数。4.得到次数和编码输出至Q1.txt,每一行都为:<单词><编号><出现次数>5.单词考虑大小写,Ntu和ntu为不同单词例子:输入words.txt...原创 2018-11-08 09:44:41 · 408 阅读 · 0 评论 -
Lee-where does the error come from?
来源于两方面:variancebias如何估计bias和variance简单模型和复杂模型的 variance简单模型和复杂模型的biasBias VS Variance怎么判断是bias大还是variance大?如何处理大的bias如何处理大的variance怎么选择一个模型,使得bias和variance都小?自己的测试数据有可能不可靠怎么做才可靠呢?...原创 2018-12-17 22:34:14 · 167 阅读 · 0 评论 -
Lee-Gradient Descent
梯度下降的实现方法梯度下降过程演示some tipstip 1: Turning your learning rateslearning rate过小,会导致要很长的时间才能达到局部最小learning rate过大,会导致跳过局部最小,永远到不了局部最小如何调整learning rate?最常用的方法:刚开始使用大的learning rate ,几次回合之后使用较小的l...原创 2018-12-18 22:20:07 · 139 阅读 · 0 评论 -
《TensorFlow实战》第四章-TensorFlow实现自编码器及多层感知机
自编码器可以使用自身的高阶特征编码自己,也是一种神经网络。特征希望输入和输出是一致的希望使用高阶特征来重构自己,而不只是复制像素点自编码器通常希望使用少量稀疏的高阶特征来重构输入,所以加入以下限制:限制中间隐含层节点的数量,比如让中间隐含层节点的数量小于输入/输出节点的数量如果给数据加噪声,那么就是Denoising AutoEncoder(去燥自编码器),我们可以从噪声中学习...原创 2019-03-07 11:33:34 · 182 阅读 · 0 评论 -
《Constrained Convolutional Neural Networks for Weakly Supervised Segmentation》翻译
弱监督分割的约束卷积神经网络摘要我们提出了一种从图像级标签学习密集像素级标签的方法。每个图像级标签都对卷积神经网络(CNN)分类器的输出标签施加约束。我们提出约束CNN(CCNN),一种利用新的损失函数对输出空间上的任意一组线性约束进行运算定时的方法(即预测标签分布)的CNN。我们的损失形式很容易优化,可以直接纳入标准随机梯度下降优化。其核心思想是将训练目标描述为线性模型的双线性化,然后将其松...原创 2019-05-12 21:36:55 · 1992 阅读 · 0 评论 -
用50行代码搭建ResNet
import torch as tfrom torch import nnfrom torch.nn import functional as Ffrom torch.autograd import Variable as Vclass ResidualBlock(nn.Module): # 实现子module:Residual Block def __init__(...原创 2019-05-13 16:11:49 · 453 阅读 · 1 评论 -
k-近邻算法实战1——约会网站
from numpy import *import numpy as npimport matplotlibimport matplotlib.pyplot as pltdef file2matrix(filename): fr = open(filename) arrayOLines = fr.readlines() numberOfLines = len(arr...原创 2018-08-07 22:04:11 · 153 阅读 · 0 评论 -
k-近邻算法
代码如下from numpy import *import operator#创建数据集def createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group,labelsdef classify0(in...原创 2018-08-07 17:53:00 · 100 阅读 · 0 评论 -
02-机器学习课程:监督学习
例子预测房价:直线预测房价,或者二次函数预测房价定义我们给算法一个数据集,其中包含了正确答案。 对于数据集中的每个样本,我们想要算法预测,并且得到正确的答案。 算法的目的是给出更多的正确答案,这种问题就是回归(regression)问题两类问题回归问题:我们想要预测连续的数值输出。 分类问题:我们设法预测一个离散值输出,肿瘤的例子。...原创 2018-06-26 11:23:35 · 123 阅读 · 0 评论 -
机器学习培训day01
三个阶段:符号阶段、统计学习阶段、深度学习阶段;大数据和人工智能:相互渗透、相互促进课程纲要: 1.Python基础 2.数据库技术(MySQl) 3.NoSQL 4.Web技术 5.爬虫技术 6.机器学习和神经网络 配合项目实训...原创 2018-07-09 11:17:17 · 409 阅读 · 0 评论 -
06-机器学习课程:梯度下降
梯度下降的作用最小化线性回归的代价函数。 问题概述![这里写图片描述]( https://img-blog.csdn.net/ 20180627161517286?watermark / 2 / text / aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x3eWNjMjMzMw == / font / 5a6L5L2T / fontsize / 400 / fill / I0JBQ...原创 2018-07-02 16:29:38 · 111 阅读 · 0 评论 -
03-机器学习课程:无监督学习
我们只是被告知这里有一个数据集,你能找到某种结构吗?无监督学习可能判定该数据集包含两类不同的簇,这就是聚类算法。 聚类算法 无监督算法的一种 例子:谷歌新闻 鸡尾酒问题 无监督算法的另一种算法 Ovtave编程...原创 2018-06-27 13:49:19 · 216 阅读 · 0 评论 -
04-机器学习课程:模型描述
线性回归 一元线性回归:假设函数是一元线性的原创 2018-06-27 14:16:17 · 151 阅读 · 0 评论 -
05-机器学习课程:代价函数
学习代价函数的目的就是弄清楚如何把最有可能的直线与我们的数据相拟合。 假设函数:h(x)=a+bx. a,b是模型参数,a,b的值不同,预测的结果也就不一样了。 在线性回归中,我们要解决的是一个最小化问题,表示关于a,b的最小化过程,我们正在把这个问题变成找到能使我们训练集中的预测值和真实值的差的平方和的1/2M最小的a,b的值,m样本的个数。平方误差代价函数 定义一个代价函数,J(a...原创 2018-06-27 16:00:14 · 153 阅读 · 0 评论 -
西瓜书课后习题涉及的知识点-第一章
习题1.1假设空间:所有假设组成的空间,学习的过程可以看作一个在假设空间中进行搜索的过程,搜索的目标是找到与训练集匹配的假设。 版本空间:一个与训练集一致的“假设集合”。也就是说针对某个有限的训练集,版本空间里的每一个假设,都是与训练集符合的。...原创 2018-07-23 21:32:53 · 274 阅读 · 0 评论 -
k-近邻算法实战2——识别手写数字
from numpy import *from os import listdirimport operator#k-近邻算法def classify0(inX,group,label,k): m = group.shape[0] inVector = tile(inX,(m,1))-group dubleInVector = inVector**2 su...原创 2018-08-10 10:06:35 · 159 阅读 · 0 评论 -
False Positive 和 False Negative
False Positive : False(检测模型不能成功地) Positive (判定出结果是Positive的)False Negative : False(检测模型不能成功地) Negative (判定出结果是Negative的)True Positive : True(检测模型成功地) Positive (判定出结果是Positive的)True Negative : True(...转载 2019-06-19 11:39:10 · 866 阅读 · 0 评论