- 博客(3)
- 收藏
- 关注
RSS订阅原创 numpy搭建简易神经网络(保姆级教程)
本篇文章详细教如何用numpy手动搭建一个简单的两层神经网络，对每一步的操作都有详细的解释。涉及正向传播，反向传播，链式求导。参考教材：邱锡鹏《神经网络与深度学习》
2022-10-28 18:23:56
3066
2
原创 多项式回归梯度下降法
这次我们用矩阵运算，先看下图：一眼便能看出我们的计算思路。w和x用矩阵表示，w_matrix是(1，M)的矩阵，x_matrix是(M，n)的矩阵，这两矩阵相乘的结果正好就是(1, n)的矩阵，正好代表的就是y的值。1.构建x_matrix矩阵构建该矩阵，我们使用拼凑的方法，numpy中有一个函数vstack()可以将两个数组拼凑一起，如下展示：我们一开始创建的X数据集是一个[X1, X2, X3,......,Xn]的一维数组，分别计算这个数组的0次方，1次方，2次方，然后拼凑成一个二维数组。
2022-09-28 23:29:40
599
原创 一元线性回归梯度下降法(通俗易懂，初学专属)
先来理解一些基础概念。Y= w*X+b，w代表权重，b代表偏置值。我们的目的就是要求出合适的w和b，用Y= w*X+b这条曲线来拟合我们的数据集。2.1 那么如何求w和b呢用梯度下降法梯度下降的通俗理解就是：我们可以先给未知量w和b一个初始值。然后通过让它们自己学习一直变，变到合适的值为止。以我们的例子为例，最终结果应当是Y =3*X+7这条曲线拟合数据集的。我们假设w=1，b=1.进行一次梯度下降后，可能w就变成2，b就变成3（此处夸大了，一般变化不会那么大，一般变化很小，所以需要梯度下降很多次。
2022-09-27 21:15:38
1825
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人