机器学习
文章平均质量分 57
机器学习笔记
RS&
记录科研点滴
展开
-
模型分类model
经验模型(Empirical Model):经验模型是通过对实验数据或观测结果进行统计和拟合得到的模型。数学模型:基于数学原理和方程式来描述和解决问题,如微积分模型、线性代数模型等。生物模型:用于研究生物系统、生态系统等的模型,如生物动力学模型、食物链模型等。计算机模型:用于计算机科学和人工智能领域的模型,如神经网络模型、决策树模型等。图形模型:使用图形表示对象之间的关系和交互的模型,如流程图、关系图等。文字模型:使用自然语言或规定的语法来描述问题和解决方案的模型。原创 2023-09-21 10:53:30 · 1104 阅读 · 0 评论 -
神经网络学习笔记1-基础知识
无原创 2022-10-07 22:52:27 · 245 阅读 · 0 评论 -
安装与使用pytorch_cpu版
无原创 2022-10-07 21:59:55 · 4078 阅读 · 1 评论 -
机器学习-对范数的理解
无原创 2022-10-06 19:41:06 · 396 阅读 · 0 评论 -
自学机器学习-神经网络的理解
无原创 2022-10-05 23:13:13 · 656 阅读 · 0 评论 -
机器学习-最小二乘拟合
0.前言解决非线性问题的方法:这里主要记录Levenberg-Marquardt算法学习笔记!1.Levenberg-Marquardt算法介绍基本原理:计算当C最小时对应的函数参数。Levenberg-Marquardt(LM)是一种用于解决非线性最小二乘问题的算法,当通过最小化数据点与函数之间误差的平方和来拟合参数化函数到一组测量数据点时,就会出现最小二乘问题。Levenberg-Marquardt曲线拟合方法实际上是两种最小化方法的结合:梯度下降法( gradientdesce原创 2022-03-07 23:02:09 · 3128 阅读 · 0 评论 -
数据归一化、标准化
0.前言理解量钢化:https://zhuanlan.zhihu.com/p/225387114量钢化方法:图片来源:https://zhuanlan.zhihu.com/p/225387114数据归一化和标准化都属于数据特征无量纲的一种方式。1.数据归一化Normalization 和 Min-Max Scaling归一化的目的是让数据压缩在【0,1】范围内,包括两个边界数字0和数字1;其计算公式为(X - Min)/ (Max - Min)。公式为:pandas实现方法:代码来源im原创 2022-03-07 21:24:07 · 1980 阅读 · 1 评论 -
scikit-learn学习笔记
数据划分:from sklearn.model_selection import train_test_split数据预处理:数据标准化,归一化from sklearn.preprocessing import StandardScaler数据变化:最小最大标准化;归一化;二值化;标签编码;缺失值填补特征选择:from sklearn import feature_selection as fs...原创 2022-03-06 22:36:34 · 779 阅读 · 0 评论 -
机器学习-线性回归scikit-learn
机器学习-线性回归:https://zhuanlan.zhihu.com/p/71196742Simple Linear Regression With scikit-learn:https://realpython.com/linear-regression-in-python/#:~:text=When%20performing%20linear%20regression%20in%20Python%2C%20you%20can,is%20satisfactory%3B%20Apply%20the%2转载 2022-02-21 15:06:10 · 109 阅读 · 0 评论 -
python数组(矩阵)乘法(点乘、叉乘)
转载:https://blog.csdn.net/haiziccc/article/details/101361583总结:(1)tf.matmul(A,C)=np.dot(A,C)= A@C都属于叉乘,而tf.multiply(A,C)= A*C=A∙C属于点乘。(2)叉乘称向量积;点乘指对应元素相乘,点乘的结果表示 在 方向上的投影与 的乘积,反映了两个向量的相似度,结果越大越相似。(3)python中的数组和矩阵:python中的numpy包下有array(obj)和mat(obj)这两个方转载 2022-02-18 23:09:37 · 18363 阅读 · 0 评论 -
机器学习笔记-回归评价指标scikit-learn
scikit-learn中回归指标:from sklearn.metrics import mean_squared_error #均方误差MSEfrom sklearn.metrics import mean_absolute_error #平方绝对误差MAEfrom sklearn.metrics import r2_score#R square#调用mean_squared_error(y_test,y_predict)mean_absolute_error(y_test,y_predic原创 2022-02-18 22:37:29 · 466 阅读 · 0 评论 -
删除异常值方法总结
1.IQRpython基于IQR删除异常值:df = pd.read_excel('./7.xlsx')def fit_model(model, data, column='Area'): # fit the model and predict it df = data.copy() data_to_predict = data[column].to_numpy().reshape(-1, 1) predictions = model.fit_predict(dat原创 2022-02-18 20:16:29 · 8430 阅读 · 1 评论 -
机器学习——seaborn可视化
主要记录seaborn可视化学习笔记。文章目录一、seaborn原理二、seaborn可视化例子1.引入库2.读入数据总结一、seaborn原理图片来源:https://www.bilibili.com/video/BV1VX4y1F76x/二、seaborn可视化例子1.引入库代码如下(示例):import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimpor原创 2022-01-27 17:51:26 · 2343 阅读 · 0 评论 -
python线性拟合、不确定性
1.线性回归可以直接调用sklearn中的linear_model模块进行线性回归:import numpy as npfrom sklearn.linear_model import LinearRegressionmodel = LinearRegression()model.fit(x, y)model = LinearRegression().fit(x, y)r_sq = model.score(x, y)intercept = model.intercept_slope原创 2021-12-07 13:52:28 · 3572 阅读 · 0 评论 -
机器学习笔记0_学习资料整理
开始零基础学习机器学习,这里先整理一些大神级的机器学习资料,非常感谢大佬提供的学习资料~~1.入门级吴恩达老师的机器学习课程:适合初学者入门https://www.coursera.org/learn/machine-learning结合机器学习教程中文笔记(http://www.ai-start.com/ml2014/)和黄老师Github整理的资料(https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes)。先去入门学习了,后续再补充资料。原创 2021-11-27 12:25:12 · 245 阅读 · 0 评论