爱打球的小网虫-CSDN博客

原创 Pytorch和Tensorflow在相同数据规模规模下的支持向量机算法SVM(Support Vector Machine)算法中的运算速度对比

Pytorch和Tensorflow在相同数据规模规模下的支持向量机算法SVM(Support Vector Machine)算法中的运算速度对比这次来讲一下十大传统机器算法之一的支持向量机算法SVM，SVM起源于20实际，到现在为止已经十分成熟，也是在我们学习与训练中经常会用到的算法。SVM算法的基本原理硬间隔SVM （hard-margin SVM）为了方便大家理解SVM算法，这里将给出一个较为简单的数据集:其中X的一行代表一个点即（ana_nan,bnb_nbn），代表一个点，而Y中一一对

2021-02-27 14:16:29 1442

原创 Pytorch和Tensorflow在相同数据规模规模下的KNN(K-NearestNeighbor)算法中的运算速度对比

Pytorch和Tensorflow在相同数据规模规模下的降维KNN(K-NearestNeighbor)算法中的运算速度对比今天介绍一下比较简单的机器学习算法KNN算法。它最初由 Cover和Hart于1968年提出，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。KNN算法基本原理该方法的思路非常简单直观：离已知的某一个类中的所有点的平均距离距离最小的，就将这个点归为该类。该方法的不足之处是计算量较大，因为对每一个待分类的文本都要计算它到全体已知样本的距离，会占用很大的时间与内存。K

2021-02-08 16:47:05 721

原创 Pytorch和Tensorflow在相同数据规模规模下的降维SVD(Singular Value Decompositionm)算法中的运算速度对比

Pytorch和Tensorflow在相同数据规模规模下的降维SVD(Singular Value Decompositionm)算法中的运算速度对比上一篇文章讲了如何在Pytorch和Tensorflow中使用PCA降维算法，这篇文章就来讲一下降维的另一种算法SVD算法。那么既然有PCA那我们为什么要用SVD呢？对于奇异值,它跟我们特征分解中的特征值类似，在奇异值矩阵中也是按照从大到小排列，而且奇异值的减少特别的快，在很多情况下，前10%甚至1%的奇异值的和就占了全部的奇异值之和的99%以上的比例。

2021-02-04 16:36:41 572

原创 Pytorch和Tensorflow在相同数据规模规模下的降维PCA(Principal Component Analysis)算法中的运算速度对比

Pytorch和Tensorflow在相同数据规模规模下的降维PCA(Principal Component Analysis)算法中的运算速度对比在网上找了好久都没找到pytorch使用特征值与特征向量实现pca算法的教程（即非svd算法），本文中的代码是根据个人对pca的理解所写的，致敬开源思想，将学习过程与程序放在这里，希望对大家有帮助，共同学习，共同进步(不喜勿喷)PCA算法基本原理PCA的基本原理是从大量的数中找到少数主要的成分点，在数据维度降低的情况下尽可能地保存原始数据的信息。举个例子：

2021-02-02 22:20:21 601

原创 Pytorch和Tensorflow在相同数据规模规模下逻辑回归(Logistic Regression)算法中的运算速度对比

Pytorch和Tensorflow在相同数据规模规模下逻辑回归(Logistic Regression)算法中的运算速度对比因为在学习人工智能相关知识，于是将学习过程与程序放在这里，希望对大家有帮助，共同学习，共同进步(不喜勿喷)逻辑回归算法基本原理逻辑回归虽然称为回归，但是它用于分来问题。简单来说，逻辑回归（Logistic Regression）是一种用于解决二分类（0 or 1）算法，它可用于估计某种事物的可能性。比如某用户购买某商品的可能性，某病人患有某种疾病的可能性，以及某广告被用户点击

2021-01-11 11:25:13 502

原创 Pytorch和Tensorflow在10000*1000数据规模线性回归算法中的运算速度对比

Pytorch和Tensorflow在线性回归算法中的运算速度对比因为在学习人工智能相关知识，于是将学习过程与程序放在这里，希望对大家有帮助，共同学习，共同进步(不喜勿喷)线性回归算法基本原理回归问题是基于已有数据对新的数据进行预测，如预测股票走势。这里我们主要讲简单的线性回归。下面举一个简单的例子：假设我们想要求出橘子的产量在天气，温度，湿度等情况下的关系，那么我们就可以用线性回归来求解。那么我们假设橘子的产量为y，天气为x1，温度为x2，湿度为x3。那么产量y与x1，x2，x3的关系为:y=

2020-12-28 22:59:42 927 3

m0_47529410的博客