- 博客(25)
- 资源 (5)
- 问答 (1)
- 收藏
- 关注
RSS订阅转载 一文弄懂神经网络中的反向传播——BackPropagation
最近在看深度学习的东西，一开始看的吴恩达的UFLDL教程，有中文版就直接看了，后来发现有些地方总是不是很明确，又去看英文版，然后又找了些资料看，才发现，中文版的译者在翻译的时候会对省略的公式推导过程进行补充，但是补充的又是错的，难怪觉得有问题。反向传播法其实是神经网络的基础了，但是很多人在学的时候总是会遇到一些问题，或者看到大篇的公式觉得好像很难就退缩了，其实不难，就是一个链式求导法则反复用。如果
2017-10-30 01:46:48
693
转载 Softmax回归（Softmax Regression）
转载请注明出处：http://www.cnblogs.com/BYRans/ 多分类问题 在一个多分类问题中，因变量y有k个取值，即。例如在邮件分类问题中，我们要把邮件分为垃圾邮件、个人邮件、工作邮件3类，目标值y是一个有3个取值的离散值。这是一个多分类问题，二分类模型在这里不太适用。 多分类问题符合多项分布。有许多算法可用于解决多分类问题，像决策树、朴素贝
2017-10-26 14:16:49
313
转载 广义线性模型（Generalized Linear Models）
转载请注明出自BYRans博客：http://www.cnblogs.com/BYRans/ 前面的文章已经介绍了一个回归和一个分类的例子。在逻辑回归模型中我们假设： 在分类问题中我们假设： 他们都是广义线性模型中的一个例子，在理解广义线性模型之前需要先理解指数分布族。 指数分布族（The
2017-10-26 14:12:54
489
转载 牛顿方法（Newton's Method）
转载请注明出自BYRans博客：http://www.cnblogs.com/BYRans/ 在讲义《线性回归、梯度下降》和《逻辑回归》中我们提到可以用梯度下降或梯度上升的方式求解θ。在本文中将讲解另一种求解θ的方法：牛顿方法（Newton's method）。 牛顿方法（Newton's method） 逻辑回归中利用Sigmoi
2017-10-26 14:11:33
2865
转载 逻辑回归（Logistic Regression）
转载请注明出自BYRans博客：http://www.cnblogs.com/BYRans/ 本文主要讲解分类问题中的逻辑回归。逻辑回归是一个二分类问题。 二分类问题 二分类问题是指预测的y值只有两个取值（0或1），二分类问题可以扩展到多分类问题。例如：我们要做一个垃圾邮件过滤系统，是邮件的特征，预测的y值就是邮件的类别，是垃圾邮件还是正常邮件
2017-10-26 14:10:31
337
转载 局部加权回归、欠拟合、过拟合（Locally Weighted Linear Regression、Underfitting、Overfitting）
转载请注明出自BYRans博客：http://www.cnblogs.com/BYRans/ 本文主要讲解局部加权(线性)回归。在讲解局部加权线性回归之前，先讲解两个概念：欠拟合、过拟合，由此引出局部加权线性回归算法。 欠拟合、过拟合 如下图中三个拟合模型。第一个是一个线性模型，对训练数据拟合不够好，损失函数取值较大。如图中第二个模型，如果我
2017-10-26 11:52:21
855
转载 损失函数（Loss Function）
转载请注明出自BYRans博客：http://www.cnblogs.com/BYRans/ 线性回归中提到最小二乘损失函数及其相关知识。对于这一部分知识不清楚的同学可以参考上一篇文章《线性回归、梯度下降》。本篇文章主要讲解使用最小二乘法法构建损失函数和最小化损失函数的方法。 最小二乘法构建损失函数 最小二乘法也一种优化方法，用于求得目标函数
2017-10-26 11:50:51
2437
1
转载 线性回归、梯度下降（Linear Regression、Gradient Descent）
线性回归、梯度下降（Linear Regression、Gradient Descent）转载请注明出自BYRans博客：http://www.cnblogs.com/BYRans/ 实例 首先举个例子，假设我们有一个二手房交易记录的数据集，已知房屋面积、卧室数量和房屋的交易价格，如下表： 假如有一个房子要卖，我们希望通过上表中的数据估算
2017-10-26 11:48:12
705
转载 李宏毅机器学习课程笔记2：Classification、Logistic Regression、Brief Introduction of Deep Learning
台湾大学李宏毅老师的机器学习课程是一份非常好的ML/DL入门资料，李宏毅老师将课程录像上传到了YouTube，地址：NTUEE ML 2016。 这篇文章是学习本课程第4-6课所做的笔记和自己的理解。Lecture 4: Classification: Probabilistic Generative Model以根据宝可梦各属性值预测其类型为例说明分类问题。 训练数据
2017-10-23 00:17:19
422
转载 李宏毅机器学习课程笔记1：Regression、Error、Gradient Descent
台湾大学李宏毅老师的机器学习课程是一份非常好的ML/DL入门资料，李宏毅老师将课程录像上传到了YouTube，地址：NTUEE ML 2016。 这篇文章是学习本课程第1-3课所做的笔记和自己的理解。Lecture 1: Regression - Case Studymachine learning 有三个步骤，step 1 是选择 a set of function, 即
2017-10-22 23:27:42
482
转载 Python-copy()与deepcopy()区别
我们来看代码：>>> import copy>>> origin = [1, 2, [3, 4]]#origin 里边有三个元素：1， 2，[3, 4]>>> cop1 = copy.copy(origin)>>> cop2 = copy.deepcopy(origin)>>> cop1 == cop2True>>> cop1 is cop2False #cop1 和 cop
2017-10-18 15:16:48
421
转载 python3.5版本中的zip函数
例如，有两个列表：12>>>a= [1,2,3]>>>b= [4,5,6]使用zip()函数来可以把列表合并，并创建一个元组对的列表。12>>>zip(a,b)<zip object at 0x01FB2E90>
2017-10-17 14:08:25
1445
转载 【python系列】numpy中的tile函数
tile函数 在看机器学习实战这本书时，遇到numpy.tile(A,B)函数，愣是没看懂怎么回事，装了numpy模块后，实验了几把，原来是这样子：重复A，B次，这里的B可以时int类型也可以是远组类型。[python] view plain copy>>> import numpy >>> numpy.t
2017-10-16 16:05:50
308
转载 python: numpy--函数 shape用法
shape函数是numpy.core.fromnumeric中的函数，它的功能是查看矩阵或者数组的维数。举例说明：建立一个3×3的单位矩阵e, e.shape为（3，3），表示3行3列,第一维的长度为3，第二维的长度也为3[plain] view plain copy >>> e = eye(3) >>>
2017-10-16 15:16:43
572
转载 【机器学习实验】scikit-learn的主要模块和基本使用
引言对于一些开始搞机器学习算法有害怕下手的小朋友，该如何快速入门，这让人挺挣扎的。在从事数据科学的人中，最常用的工具就是R和Python了，每个工具都有其利弊，但是Python在各方面都相对胜出一些，这是因为scikit-learn库实现了很多机器学习算法。加载数据(Data Loading)我们假设输入时一个特征矩阵或者csv文件。首先，数据应该被载入内存中。scikit
2017-10-10 22:46:02
239
转载 机器学习scikit-learn入门教程
原文链接：http://scikit-learn.github.io/dev/tutorial/basic/tutorial.html章节内容在这个章节中，我们主要介绍关于scikit-learn机器学习词库，并且将给出一个学习样例。机器学习：问题设置通常，一个学习问题是通过一系列的n个样本数据来学习然后尝试预测未知数据的属性。如果每一个样本超过一个单一的数值，例如
2017-10-10 22:41:24
201
转载 十分钟搞定pandas（二）
合并连接pandas提供各种工具以简便合并序列,数据桢,和组合对象, 在连接/合并类型操作中使用多种类型索引和相关数学函数.请参阅合并部分把pandas对象连接到一起Python123456789101112131415161718192021222324
2017-10-10 11:08:18
378
转载 十分钟搞定pandas（一）
这是关于pandas的简短介绍，主要面向新用户。可以参阅Cookbook了解更复杂的使用方法。习惯上,我们做以下导入Python123In [1]: import pandas as pdIn [2]: import numpy as npIn [3]: import matpl
2017-10-10 11:07:38
747
转载 Scipy一维二维插值
一维插值 插值不同于拟合。插值函数经过样本点，拟合函数一般基于最小二乘法尽量靠近所有样本点穿过。常见插值方法有拉格朗日插值法、分段插值法、样条插值法。 拉格朗日插值多项式：当节点数n较大时，拉格朗日插值多项式的次数较高，可能出现不一致的收敛情况，而且计算复杂。随着样点增加，高次插值会带来误差的震动现象称为龙格现象。 分段插值：虽然收敛，但光滑
2017-10-10 11:05:26
12740
5
转载 Matplotlib 教程
Matplotlib 教程介绍Matplotlib 可能是 Python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。这里将会探索 matplotlib 的常见用法。初级绘制这一节中，我们将从简到繁：先尝试用默认配置在同一张图上绘制正弦和余弦函数图像，然后逐步美化它。第一步，是取得正弦函数和预先函数的值：from pyl...
2017-10-09 11:46:50
306
转载 numpy之转置（transpose）和轴对换
转置（transpose）和轴对换转置可以对数组进行重置，返回的是源数据的视图（不会进行任何复制操作）。转置有三种方式，transpose方法、T属性以及swapaxes方法。1 .T,适用于一、二维数组In [1]: import numpy as npIn [2]: arr = np.arange(20).reshape(4,5)#生成一个4行5列的
2017-10-08 15:55:37
5699
转载 Python数据分析之numpy学习（二）
我们接着《Python数据分析之numpy学习（一）》继续讲解有关numpy方面的知识！统计函数与线性代数运算统计运算中常见的聚合函数有：最小值、最大值、中位数、均值、方差、标准差等。首先来看看数组元素级别的计算：In [94]: arr11 = 5-np.arange(1,13).reshape(4,3)In [95]: arr12 = np.ra
2017-10-07 16:30:46
546
转载 numpy之索引和切片
索引和切片一维数组一维数组很简单，基本和列表一致。它们的区别在于数组切片是原始数组视图（这就意味着，如果做任何修改，原始都会跟着更改）。这也意味着，如果不想更改原始数组，我们需要进行显式的复制，从而得到它的副本（.copy())。import numpy as np #导入numpyarr = np.arange(10) #类似于list的rang
2017-10-02 16:56:35
257
转载 Python数据分析之numpy学习（一）
Python是一门不错的动态语言，其应用的领域非常广泛，如web开发、Linux运维、数据挖掘、机器学习、爬虫、推荐系统等。在学完《廖雪峰Python3教程》感觉受益匪浅，掌握了基本的语法之后开始接触用Python进行数据分析。这里向大家推荐两本书《Python数据分析》和《利用Python进行数据分析》本期将会涉及到Python模块中的numpy，这是一个处理数组的强大模
2017-10-02 16:50:01
217
转载 Numpy-复制与视图
在执行函数时，其中一些返回输入数组的副本，而另一些返回视图。 当内容物理存储在另一个位置时，称为副本。 另一方面，如果提供了相同内存内容的不同视图，我们将其称为视图。无复制为了获得高性能，Python 中的赋值常常不拷贝底层对象，这被称作浅拷贝。它使用原始数组的相同id()来访问它。 id()返回 Python 对象的通用标识符，类似于 C 中的指针。此外，一个数组的任
2017-10-01 20:41:04
343
Unity——VideoPlayer完整运行实例
2018-05-30
cudnn-8.0-windows10-x64-v5.1.zip
2017-09-16
调用委托后，只打印了Method方法，为什么没有调用MethodA？？？
2019-03-01
TA创建的收藏夹 TA关注的收藏夹
TA关注的人