数据分析
文章平均质量分 80
深度学习探索者
有事做,有人爱,有所期待
展开
-
深度学习中几种常见数据标准化方法
方法名称缩放范围适用条件均值为0,方差为1数据具有正态分布的情况下效果最佳[0, 1]数据分布不平衡或有明显的上下界限根据四分位数缩放数据包含异常值[-1, 1]数据已经中心化,即没有偏移Normalizer每个样本的范数为1样本之间有显著的差异,需要将其归一化[0,1]或正态分布数据分布不均匀Johnson)均值为0,方差为1数据具有正态分布或接近正态分布非负数据的对数缩放数据必须为正值或非负值:适用于数据本身的分布近似正态分布。原创 2024-06-09 19:37:22 · 1344 阅读 · 0 评论 -
GAN及其衍生网络中生成器和判别器常见的十大激活函数(2024最新整理)
激活函数(activation function)的作用是对网络提取到的特征信息进行非线性映射,提供网络非线性建模的能力。常见的激活函数有 Sigmoid、Tanh、ReLU、LeakyReLU 和 ELU 等。Sigmoid 是一种常见的非线性激活函数,输入实数值并将其压缩到 (0,1) 范围内,适用于。其缺点是当输入值较大和较小时,梯度会接近于0从而问题,函数的输出也,指数也更加耗时。原创 2024-03-17 21:23:27 · 1287 阅读 · 0 评论 -
近红外光谱开源数据集(附带获取链接)
1、使用近红外(NIR)分析玻璃瓶中的216个颗粒样本来预测活性药物成分(API)4、使用近红外(NIR)/近中红外(NIT)和拉曼光谱分析片剂中的活性物质。2、使用近红外(NIR)测量存储过程中面包的老化情况,并对其进行酶处理。5、使用近红外(NIR)和红外(IR)光谱分析32个杏仁蛋白软糖样本。6、对土豆进行感官和物理(单轴压缩、近红外、低场核磁共振)质地测量。3、使用近红外(NIR)/近中红外(NIT)分析单个小麦籽粒。10、玉米样本的近红外(NIR)标准化基准测试数据集。原创 2024-03-12 12:02:00 · 1424 阅读 · 0 评论 -
【实验练习】基于自注意力机制Vision Transformer模型实现人脸朝向识别 (Python实现) 内容原创
基于自注意力机制Vision Transformer模型实现人脸朝向识别原创 2023-06-06 12:07:01 · 1434 阅读 · 0 评论 -
【实验练习】基于SVM的实现鸢尾花(Iris)数据集分类 (Python实现)
基于SVM的实现鸢尾花(Iris)数据集分类原创 2023-06-05 21:59:11 · 5814 阅读 · 9 评论 -
【实验练习】基于BP神经网络的语音特征信号分类(Python实现) 内容原创
基于BP神经网络的语音特征信号分类原创 2023-06-05 21:23:23 · 367 阅读 · 1 评论 -
【机器学习】回归算法评估指标全总结(2023最新整理)关键词:MAE、MSE、RMSE、RMSEC、RMSEP、Rc、Rp、R2、RPD(随时补充 源码示例 简单实现)
回归算法评估指标全总结(2023最新整理)关键词:MAE、MSE、RMSE、R2原创 2023-03-22 16:40:59 · 7772 阅读 · 0 评论 -
【机器学习】分类算法评估指标全总结(2023最新整理)关键词:准确率Accuracy、精确率Precision、召回率Recall、Micro F1、P-R、ROC、MCC、Cohen‘s kappa
评估指标是针对模型性能优劣的一个定量指标。一种评价指标只能反映模型一部分性能,如果选择的评价指标不合理,那么可能会得出错误的结论,故而应该针对具体的数据、模型选取不同的的评价指标。针对不同类型的学习任务,我们有不同的评估指标,这里我们来介绍最常见的分类算法的一些评估指标。常用的分类任务评价指标有准确率(Accuracy)、精确率(Precision)、召回率(Recall)、Macro F1、Micro F1、P-R曲线(Precision-Recall Curve)、ROC、AUC、MCC、Cohen原创 2023-03-20 18:15:21 · 13855 阅读 · 0 评论 -
【实验练习】请建立多元回归模型分析电视媒体、广播媒体以及报纸媒体的广告投入与产品销售额之间的模型,并对模型进行预测、评估及优化
请建立多元回归模型分析电视媒体、广播媒体以及报纸媒体的广告投入与产品销售额之间的模型,并对模型进行预测、评估及优化原创 2023-03-16 12:28:34 · 720 阅读 · 2 评论 -
【实验练习】请建立简单线性回归模型,实现依据身高预测以为女性的体重,并对模型进行评估和优化。
请建立简单线性回归模型,实现依据身高预测以为女性的体重,并对模型进行评估和优化原创 2023-03-16 11:57:36 · 817 阅读 · 0 评论 -
【机器学习】数据归一化全方法总结:Max-Min归一化、Z-score归一化、数据类型归一化、标准差归一化等
数据标准化(归一化)处理是数据挖掘的一项基础工作,不同评价指标往往具有不同的量纲和量纲单位,这样的情况会影响到数据分析的结果,为了消除指标之间的量纲影响,需要进行数据标准化处理,以解决数据指标之间的可比性。原始数据经过数据标准化处理后,各指标处于同一数量级,适合进行综合对比评价。本篇介绍了常用的十种归一化方法原创 2022-10-14 15:56:01 · 39724 阅读 · 2 评论