自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(16)
  • 资源 (2)
  • 收藏
  • 关注

原创 [机器学习速成课程] 嵌套 (Embeddings):编程练习-学习笔记

稀疏数据和嵌入简介学习目标:将影评字符串数据转换为稀疏特征矢量使用稀疏特征矢量实现情感分析线性模型通过将数据投射到二维空间的嵌入来实现情感分析 DNN 模型将嵌入可视化,以便查看模型学到的词语之间的关系在此练习中,我们将探讨稀疏数据,并使用影评文本数据(来自 ACL 2011 IMDB 数据集)进行嵌入。这些数据已被处理成 tf.Example 格式。(数据:urls_pos.txt包含被判定为好...

2018-03-29 00:58:03 988

原创 [机器学习速成课程] 多类别神经网络 (Multi-Class Neural Networks):编程练习-学习笔记

使用神经网络对手写数字进行分类学习目标:训练线性模型和神经网络,以对传统 MNIST 数据集中的手写数字进行分类比较线性分类模型和神经网络分类模型的效果可视化神经网络隐藏层的权重我们的目标是将每个输入图片与正确的数字相对应。我们会创建一个包含几个隐藏层的神经网络,并在顶部放置一个归一化指数层,以选出最合适的类别。设置首先,我们下载数据集、导入 TensorFlow 和其他实用工具,并将数据加载到 ...

2018-03-25 13:26:43 1239

原创 [机器学习速成课程] 神经网络简介 (Introduction to Neural Networks)-学习笔记

“非线性”意味着您无法使用形式为的模型准确预测标签。也就是说,“决策面”不是直线。之前,我们了解了对非线性问题进行建模的一种可行方法 - 特征组合。playground练习(https://developers.google.com/machine-learning/crash-course/introduction-to-neural-networks/playground-exercises)...

2018-03-25 11:52:18 344

原创 [机器学习速成课程] 训练神经网络 (Training Neural Networks):编程练习-学习笔记

提高神经网络性能学习目标:通过将特征标准化并应用各种优化算法来提高神经网络的性能注意:本练习中介绍的优化方法并非专门针对神经网络;这些方法可有效改进大多数类型的模型。导入,与之前一样import mathfrom IPython import displayfrom matplotlib import cmfrom matplotlib import gridspecfrom matpl...

2018-03-25 00:43:02 1307

原创 [机器学习速成课程] 神经网络简介 (Introduction to Neural Networks):编程练习-学习笔记

神经网络简介学习目标:使用 TensorFlow DNNRegressor 类定义神经网络 (NN) 及其隐藏层训练神经网络学习数据集中的非线性规律,并实现比线性回归模型更好的效果在之前的练习中,我们使用合成特征来帮助模型学习非线性规律。一组重要的非线性关系是纬度和经度的关系,但也可能存在其他非线性关系。现在我们从之前练习中的逻辑回归任务回到标准的(线性)回归任务。也就是说,我们将直接预测 med...

2018-03-21 23:40:47 252

原创 [机器学习速成课程] 稀疏性正则化 (Regularization for Sparsity)-学习笔记

稀疏性和 L1 正则化学习目标:计算模型大小通过应用 L1 正则化来增加稀疏性,以减小模型大小降低复杂性的一种方法是使用正则化函数,它会使权重正好为零。对于线性模型(例如线性回归),权重为零就相当于完全没有使用相应特征。除了可避免过拟合之外,生成的模型还会更加有效。L1 正则化是一种增加稀疏性的好方法。导入,跟之前一样import mathfrom IPython import display...

2018-03-20 00:18:49 7791

原创 [机器学习速成课程] 分类 (Classification):编程练习-学习笔记

逻辑回归学习目标:将(在之前的练习中构建的)房屋价值中位数预测模型重新构建为二元分类模型比较逻辑回归与线性回归解决二元分类问题的有效性将问题构建为二元分类问题数据集的目标是 median_house_value,它是一个数值(连续值)特征。我们可以通过向此连续值使用阈值来创建一个布尔值标签。我们希望通过某个城市街区的特征预测该街区的住房成本是否高昂。为了给训练数据和评估数据准备目标,我们针对房屋价...

2018-03-17 00:36:51 462

原创 [机器学习速成课程] 分类 (Classification)-学习笔记

准确率准确率是一个用于评估分类模型的指标。通俗来说,准确率是指我们的模型预测正确的结果所占的比例。正式点说,准确率的定义如下:对于二元分类,也可以根据正类别和负类别按如下方式计算准确率:其中,TP (True positive)= 真正例,TN(True negative) = 真负例,         FP(False positive) = 假正例,FN(False negative) = 假...

2018-03-16 14:44:55 495

原创 [机器学习速成课程]简化正则化 (Regularization for Simplicity)-学习笔记

L₂ 正则化请查看以下泛化曲线,该曲线显示的是训练集和验证集相对于训练迭代次数的损失。图 1. 训练集和验证集损失。图 1 显示的是某个模型的训练损失逐渐减少,但验证损失最终增加。换言之,该泛化曲线显示该模型与训练集中的数据过拟合。根据奥卡姆剃刀定律,或许我们可以通过降低复杂模型的复杂度来防止过拟合,这种原则称为正则化。也就是说,并非只是以最小化损失(经验风险最小化)为目标:而是以最小化损失和复杂...

2018-03-16 13:26:53 677

原创 [机器学习速成课程]特征组合 (Feature Crosses)-学习笔记

特征组合学习目标:通过添加其他合成特征来改进线性回归模型(这是前一个练习的延续)使用输入函数将 Pandas DataFrame 对象转换为 Tensors,并在 fit() 和 predict() 中调用输入函数使用 FTRL 优化算法进行模型训练通过独热编码、分箱和特征组合创建新的合成特征设置与之前一样import mathfrom IPython import displayfrom ...

2018-03-12 23:27:56 5962

原创 [机器学习速成课程]表示 (Representation)-学习笔记

设置和之前一样,我们先加载并准备加利福尼亚州住房数据。import mathfrom IPython import displayfrom matplotlib import cmfrom matplotlib import gridspecfrom matplotlib import pyplot as pltimport numpy as npimport pandas as p...

2018-03-12 00:43:52 792

原创 [机器学习速成课程]验证 (Validation)-学习笔记

设置我们首先加载并准备数据。这一次,我们将使用多个特征,因此我们会将逻辑模块化,以对特征进行预处理:import mathfrom IPython import displayfrom matplotlib import cmfrom matplotlib import gridspecfrom matplotlib import pyplot as pltimport numpy a...

2018-03-11 23:52:53 3333

原创 [机器学习速成课程]使用 TensorFlow 的起始步骤(First Steps with TensorFlow)-学习笔记

设置在此第一个单元格中,我们将加载必要的库。import mathfrom IPython import displayfrom matplotlib import cmfrom matplotlib import gridspecfrom matplotlib import pyplot as pltimport numpy as npimport pandas as pdfro...

2018-03-11 23:13:24 1281

原创 [机器学习] nnCostFunction -学习笔记

在练习4的代码中:[a,b] = max([0 0 1 0 0 0 0 0 0 0; 0 1 0 0 0 0 0 0 0 0; 0 0 0 1 0 0 0 0 0 0],[],2)a = 1 1 1b = 3 2 4Y = eye(K)(y, :); 这行代码的作用:将十进制转换成10个位,例如:9变成0 0 0 0 0 0 0 0 1 0>&gt...

2018-03-10 23:20:20 856

原创 [机器学习] Non-linear Hypothesis -学习笔记

Suppose you are learning to recognize cars from 100×100 pixel images (grayscale, not RGB). Let the features be pixel intensity values. If you train logistic regression including all the quadratic term...

2018-03-08 23:00:07 1569 1

原创 [机器学习速成课程]表示法-学习笔记

编程学习 地址:https://colab.research.google.com/notebooks/mlcc/feature_sets.ipynb?hl=zh-cn#scrollTo=UzoZUSdLIolFQ1:为什么决定使用‘median_income’与‘latitude’作为minimal_features?minimal_features = [ "median_income", ...

2018-03-07 22:34:25 408

《MATLAB 神经网络43个案例分析》包含代码和测试数据

《MATLAB 神经网络43个案例分析》源代码&数据 《MATLAB 神经网络43个案例分析》目录 第1章 BP神经网络的数据分类——语音特征信号分类 第2章 BP神经网络的非线性系统建模——非线性函数拟合 第3章遗传算法优化BP神经网络——非线性函数拟合 第4章神经网络遗传算法函数极值寻优——非线性函数极值寻优 第5章基于BP_Adaboost的强分类器设计——公司财务预警建模 第6章 PID神经元网络解耦控制算法——多变量系统控制 第7章RBF网络的回归--非线性函数回归的实现 第8章GRNN网络的预测----基于广义回归神经网络的货运量预测 第9章离散Hopfield神经网络的联想记忆——数字识别 第10章离散Hopfield神经网络的分类——高校科研能力评价 第11章连续Hopfield神经网络的优化——旅行商问题优化计算 第12章初始SVM分类与回归 第13章LIBSVM参数实例详解 第14章基于SVM的数据分类预测——意大利葡萄酒种类识别 第15章SVM的参数优化——如何更好的提升分类器的性能 第16章基于SVM的回归预测分析——上证指数开盘指数预测. 第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测 第18章基于SVM的图像分割-真彩色图像分割 第19章基于SVM的手写字体识别 第20章 LIBSVM-FarutoUltimate工具箱及GUI版本介绍与使用 第21章自组织竞争网络在模式分类中的应用—患者癌症发病预测 第22章SOM神经网络的数据分类--柴油机故障诊断 第23章 Elman神经网络的数据预测----电力负荷预测模型研究 第24章概率神经网络的分类预测--基于PNN的变压器故障诊断 第25章基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选 第26章LVQ神经网络的分类——乳腺肿瘤诊断 第27章 LVQ神经网络的预测——人脸朝向识别 第28章决策树分类器的应用研究——乳腺癌诊断 第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验 第30章基于随机森林思想的组合分类器设计——乳腺癌诊断 第31章思维进化算法优化BP神经网络——非线性函数拟合 第32章小波神经网络的时间序列预测——短时交通流量预测 第33章模糊神经网络的预测算法——嘉陵江水质评价 第34章广义神经网络的聚类算法——网络入侵聚类 第35章粒子群优化算法的寻优算法——非线性函数极值寻优 第36章遗传算法优化计算——建模自变量降维 第37章基于灰色神经网络的预测算法研究——订单需求预测 第38章基于Kohonen网络的聚类算法——网络入侵聚类 第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类 第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现 第41章定制神经网络的实现——神经网络的个性化建模与仿真 第42章并行运算与神经网络——基于CPU/GPU的并行神经网络运算 第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨

2018-04-08

jquery validation插件

包含 jquery validation插件,以及演示的demo

2015-07-27

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除