机器学习
liu_coding
让CSDN记录下我技术成长的点点滴滴.
展开
-
机器学习结果统计-准确率、召回率,F1-score
对机器学习结果统计概述说明原创 2016-06-27 16:12:48 · 19316 阅读 · 2 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 · 4951 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 · 1689 阅读 · 0 评论 -
5 机器学习实践之手写数字识别 - 最终实现版本(97%识别率)
采用多层神经网络识别,识别率到达了97%,完成了预期目标。自己的手写识别项目也就先告一段落了。具体请看http://blog.csdn.net/net_wolf_007/article/details/52121784 BP神经网络python简单实现2(比较高效版)原创 2016-08-04 19:16:18 · 1010 阅读 · 0 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 · 4457 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 · 2458 阅读 · 1 评论 -
象棋机器人 1 引言
继手写识别项目后,下一项目选择象棋机器人,初期目标是能够战胜我。我以前比较喜欢下,现在好长时间没下了,水平一般, 这个项目主要还是要练习下怎么建立一个智能系统。第一步: 建立一个爬虫来获取训练数据。第二步: 编写一个简单app,来实现对弈功能。第三步:编简单的后台。 实现两个客户端能够对弈,以收集训练数据,使机器人能够学习更多样本。第四步: 智能平台模块设计并实现。原创 2016-08-20 11:10:46 · 781 阅读 · 0 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 · 40581 阅读 · 15 评论