![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
朕蹲厕唱忐忑
这个作者很懒,什么都没留下…
展开
-
ML笔记第一周(一):有监督学习与无监督学习
文章内容大多来自互联网,只是加了点排版和整理补充,我是搬运工~~机器学习: 一个程序被认为能从经验E(Experience )中学习,解决任务 T(Task),达到性能度量值P(Performance measure),当且仅当,有了经验E后,经过P评判, 程序在处理 T 时的性能有所提升。1 有监督学习(Supervising Learning)在监督学习中,给定一组数据,我们知道正确的输...转载 2019-01-19 16:48:39 · 281 阅读 · 0 评论 -
ML学习笔记第三周(三):多分类问题
1 一对多算法(One-vs-all)1.1 多分类问题举例1.2 算法解释二分类问题上一篇博客讲了逻辑分类算法,将训练样本分为positive和negative;如果说,有超过3个类别,我们需要做的就是,分别将类别1、2、3作为positive,其余的两个类别作为negative(23、13、12),这样我们就可以得到3个假设函数(分类器)hθ(i)(x),(i=1,2,3)h^{(i)...原创 2019-02-12 21:00:01 · 249 阅读 · 0 评论 -
ML学习笔记第三周(四):解决过拟合问题
1 过拟合问题(Overfitting)过拟合(Overfitting)问题就是特征数量太多,过分的追求完美拟合训练样本,把训练样本自身的一些特点,当成所有潜在样本都会具有的一般特征。这样求得的假设函数对训练样本会拟合非常好,但是泛化能力比较差,难以对新的样本做出正确的预测。欠拟合(Underfitting)问题就是对训练样本的一般性质尚未学好,我们的假设函数h的形式很难映射到数据的趋势。通常...原创 2019-02-13 10:14:47 · 257 阅读 · 0 评论 -
ML学习笔记第三周(五):编程作业
plotData.m(图形绘制)%进行二分类pos=find(y==1);neg=find(y==0);%绘制录取与未录取图形plot(X(pos, 1), X(pos, 2), 'k+','LineWidth', 2, 'MarkerSize', 7);plot(X(neg, 1), X(neg, 2), 'ko', 'MarkerFaceColor', 'y','MarkerSi...原创 2019-02-13 15:32:29 · 412 阅读 · 0 评论 -
ML学习笔记第四周(四):编程作业
1 代码lrCostFunction.m(逻辑回归的代价函数)%套用代价函数公式hx=sigmoid(X*theta);J = 1 / m * sum((-y) .* log(hx) - (1 - y) .* log(1 - hx)) + lambda / (2 * m) * (sum(theta .^ 2) - (theta(1) ^ 2));%theta(1)无需进行梯度下降gr...原创 2019-02-20 16:47:23 · 138 阅读 · 0 评论 -
win10+cuda10+tensorflow-gpu安装教程
请看:https://blog.csdn.net/liuyong5573/article/details/85472808最后tf.Session()一般的显卡执行时间会比较长。转载 2019-05-25 23:49:52 · 865 阅读 · 0 评论 -
git资源快速下载
1 正文DownGit我在下载deeplearning.ai的课后作业时,git clone龟速,直接下载整个ZIP特别大,总是失败。(不知道是不是国内的原因,还有就是,哪位大哥把那么大的ZIP放在git上…)辗转找到了这个网站,可以快速下载git上的项目以及各种资源,还可以单独下载某个文件或者文件夹,下载速度超级快,唯一不足就是下载的压缩包名称不太好看。2 参考文献1、如何从 Git...转载 2019-05-30 23:26:03 · 1138 阅读 · 0 评论 -
jupyter找不到conda的虚拟环境
在默认的环境(不是base),conda install nb_conda_kernels。然后分别激活不同的虚拟环境,安装ipykernel,我的是torch和tf。conda activate torchconda install ipykernelconda deactivateconda activate tfconda install ipykernelconda deac...原创 2019-07-10 11:09:40 · 2773 阅读 · 0 评论 -
yolo.h5文件问题的解决 - 吴恩达深度学习:目标检测之YOLO算法
请看博客:(yolo.h5文件问题的解决 - 吴恩达深度学习:目标检测之YOLO算法)[https://blog.csdn.net/solo95/article/details/85262828]转载 2019-07-10 22:18:05 · 504 阅读 · 0 评论 -
visdom window使用module 'requests' has no attribute 'Session'
今天在实验visdom的时候,启动的时候一切正常,import torch as timport visdomvis = visdom.Visdom()x = t.arange(1, 30, 0.01)y = t.sin(x)vis.line(X=x, Y=y, win='sinx', opts={'title': 'y=sin(x)'})但是运行Visdom()的时候报以下的错...转载 2019-07-12 16:06:02 · 1076 阅读 · 0 评论 -
ML学习笔记第五周(一):代价函数与反向传播
1 代价函数符号表示具体含义(x(i),y(i))(x^{(i)},y^{(i)})(x(i),y(i))第iii个训练实例mmm训练实例的个数LLL神经网络结构的层数sls_lsl第lll层的单元数量(不包含偏置单元)J(Θ)=−1m∑i=1m∑k=1K[yk(i)log((hΘ(x(i)))k)+(1−yk(i))log(1−(h...原创 2019-02-18 14:47:23 · 276 阅读 · 0 评论 -
ML学习笔记第四周(三):神经网络应用
1 实例与直观理解上图中右图可以简化为左图形式,为了对右图的实例进行非线性分类,我们先针对左图尝试逐步建立简单的神经网络(与/或/非/异或/非异或)。与运算:在上图AND神经网络中,几个层分别为[x0x1x2]→[g(z(2))]→hΘ(x)\begin{bmatrix}x_0 \\ x_1 \\ x_2\end{bmatrix} \rightarrow\begin{bmatrix}g(...原创 2019-02-18 09:59:56 · 166 阅读 · 0 评论 -
ML笔记第一周(二):模型与代价函数
1 模型1.1 简单术语表示含义x(i)输入变量y(i)输出变量(x(i),y(i))一个训练实例(x(i),y(i)),i=1,2,…m一个训练集m训练集内训练实例的个数1.2 举例1.3 学习算法的工作h表示hypothesis(假设)1.4 单变量回归模型我们将x称为feature,hθ(x)称为hypothesi...转载 2019-01-19 20:56:53 · 250 阅读 · 0 评论 -
ML笔记第一周(三):参数学习
1 梯度下降上一节已经说了我们需要求得代价函数的最小值,这次的梯度下降算法就是干这个的,为了简化分析,这次代价函数只有两个参数α:学习速率,即下山的速率0 1同时更新才是梯度下降算法# 2...转载 2019-01-21 16:54:41 · 175 阅读 · 0 评论 -
ML学习笔记第二周(二):计算参数分析
1 正规方程(Normal Equation)之前已经说过了求解代价函数J(θ)最小值的方法——梯度下降法,但是梯度下降法需要多次迭代,而且需要不断的尝试来寻求一个合适的学习速率α。其实是还有其他方法来求J(θ)最小值的。如下所示,对于具体的代价函数J(θ),可以分别对每个参数θi进行求偏导并令其为零,对于含有n个参数的代价函数,会得到n个方程组,联立求解即可求得J(θ)取最小值时的各个参数的...原创 2019-01-31 17:01:40 · 244 阅读 · 0 评论 -
ML笔记第一周(四):线性代数知识复习
1 Matrices and Vectors1.1 Matrices(矩阵)矩阵:是由数字组成的,并且在[]中的。它是由行和列组成。例如下图中,左侧就是一个4×2的矩阵,而右侧是一个2×3的矩阵,而通常表示一个矩阵是几行几列的写法便是R4×2,代表着它是4×2的矩阵。再看下图,通过A来标识具体矩阵的某个元素,例如A11=1402,代表的就是A这个矩阵的第一行,第一列的元素是1402,A4...转载 2019-01-22 20:09:16 · 405 阅读 · 0 评论 -
ML学习笔记第二周(三):编程作业
1 关键代码warmUpExercise.m(热身练习)A=eye(5);plotData.m(绘图)plot(x, y,'rx','MarkerSize',10); xlabel('Profit in $10,000s'); ylabel('Population of City in 10,000s'); computeCost.m(计算代价函数)h=X*theta;J=1...原创 2019-02-03 17:55:30 · 307 阅读 · 0 评论 -
ML学习笔记第三周(一):分类问题与其表达式
1 分类2 假设表示原创 2019-02-08 20:39:37 · 210 阅读 · 0 评论 -
ML学习笔记第三周(二):逻辑回归模型
1 代价函数2 简化代价函数与梯度下降3 高级优化4 参考资料1、机器学习-第三周原创 2019-02-09 18:34:16 · 173 阅读 · 0 评论 -
ML学习笔记第二周(一):多元线性回归
其实第二周刚开始的部分是环境配置说明(Environment Setup Instructions),主要是Octave和Matlab的安装说明和一些教程类的东西,那个教程还是比较有用的,我把它写在参考资料里面了。1 多特征1.1 变量说明变量名称变量含义x(i) j第i个训练实例中的第j的特征值x(i)第i个训练实例m训练集中训练实例的数量n每...原创 2019-01-30 17:36:04 · 262 阅读 · 0 评论 -
ML学习笔记第四周(一):神经网络伊始
1 非线性假设为什么研究神经网络对于简单的只含有2个特征x1x_{1}x1和x2x_{2}x2的数据集,我们可以通过逻辑回归模型来拟合,也可以确定决策边界,如图所示,因为我们可以把所有x1x_{1}x1和x2x_{2}x2的组合都包含进去慢慢尝试。但是实际应用问题中,特征的数量会非常多,以住房分类问题为例,我们对房子的100个特点都有所了解,接下来想预测房子在未来半年被卖出去的概率...原创 2019-02-16 21:42:44 · 157 阅读 · 0 评论 -
ML学习笔记第四周(二):神经网络
1 模型表达I2 模型表达II原创 2019-02-17 15:53:42 · 130 阅读 · 0 评论 -
deeplearning.ai 词向量文件读取错误
在读取嵌入词向量文件glove.6B.50d.txt 的编程作业中,出现了如下错误:在这里插入代码片按照网上教程修改read_glove_vecs函数,读取格式改为utf-8后,出现的新的错误:'utf-8' codec can't decode byte 0xa8 in position 3134: invalid start byte...原创 2019-07-30 14:44:40 · 270 阅读 · 0 评论