python
liu_coding
让CSDN记录下我技术成长的点点滴滴.
展开
-
numpy.array 操作简单总结
python numpy.array 操作总结原创 2016-06-21 13:20:20 · 61427 阅读 · 1 评论 -
机器学习实践之手写数字识别- 数据阶段分析总结
机器学习实践之手写数字识别 - 数据初识2. 机器学习实践之手写数字识别 - 初步特征选择及线性识别前面两章对数据进行了简单的特征提取及线性回归分析。识别率已经达到了85%, 完成了数字识别的第一步:数据探测。这一章要做的就各种常用机器学习算法来对数据进行测试,并总结规律,为后续进一步提供准确率作准备。这单选取的算法有:(后面有时间再对每个算法单独作分析总结介绍):原创 2016-06-30 23:33:19 · 5061 阅读 · 0 评论 -
4 机器学习实践之手写数字识别- 神经网络识别
在 初步特征选择及线性识别篇中提到机器学习算法输入数据分为原始数据,特征工程(人工选择特征)及深度学习(机器自己计算)。 在前面采用了特征工程的方案,识别率也在85%左右。 识别率不是很高,这跟特征工程选择的工程不全有关,继续选择各种工程会比较麻烦,以后有机会再细研究。 之后打算从原始数据输入及深度学习方面着手来解决这个手写数字识别功能。 接下去的过程中主要功能都将尽量采用自己编写原创 2016-07-28 22:38:33 · 1758 阅读 · 0 评论 -
2. 机器学习实践之手写数字识别 - 初步特征选择及线性识别
对测试集数据(train.csv)进行简单特征分析,并进行简单线性回归识别。原创 2016-06-23 13:01:52 · 4480 阅读 · 1 评论 -
BP神经网络python简单实现2(性能优化)
这一版本主要是对 http://blog.csdn.net/net_wolf_007/article/details/52055718 实现的版本进行优化上一版本主要是根据理论知识实现简单版本,步聚比较清晰。里面存在严重的性能问题,对激活函数的扩展问题及不能批量训练等主要问题。性能上在 http://blog.csdn.net/net_wolf_007/article/details/52原创 2016-08-04 19:11:31 · 4519 阅读 · 2 评论 -
6 机器学习实践之手写数字识别-卷积神经网络实现
感谢 以下四篇文章,让我比较深刻了解了卷积神经网络CNN 卷积神经网络推导和实现 http://blog.csdn.net/zouxy09/article/details/9993371c++ 实现卷积神经网络 http://www.codeproject.com/Articles/16650/Neural-Network-for-Recognition-of-Handwritten-原创 2016-08-18 17:39:27 · 2502 阅读 · 1 评论 -
BP神经网络python简单实现
BP神经网络的原理在网上有很详细的说明,这里就不打算细说,这篇文章主要简单的方式设计及实现BP神经网络,并简单测试下在恒等计算(编码)作测试。 BP神经网络模型图如下BP神经网络基本思想BP神经网络学习过程由信息的下向传递和误差的反向传播两个过程组成正向传递:由模型图中的数据x从输入层到最后输出层z的过程。反向传播:在训练阶段,如果正向传递过程中发现输出的值与期原创 2016-07-28 16:52:24 · 40781 阅读 · 15 评论 -
理解红黑树并实现(python3)
红黑树久闻大名,一直没能好好理解。 最趁着近有换工作的念头,想着从根本上把它理解透了。为了比较深入的对红黑树有比较深入的认识,用python实现,并将结构进行了可视化操作。本例的代码者已上传到 githup: https://github.com/jerome126/rbtree.git 本文使用的红黑树的图,都是在 代码生成的图(rb目录)里面。插入红黑树的顺序: [5, 14, 16, ...原创 2018-04-14 18:01:51 · 14349 阅读 · 3 评论