- 博客(6)
- 收藏
- 关注
RSS订阅原创 【李航统计学】Chap3：K近邻（总结+代码实现+课后题）
Chap3：K近邻1. K近邻算法2. K近邻模型2.1 距离度量1. K近邻算法k近邻法(k-nearest neighbor, KNN)是一种基本的分类与回归方法，在这里我们只讨论分类问题中的K近邻。k近邻法假设给定的一个数据集，其中的实例类别已定。分类时，对于新的实例，跟据其K个最近邻的训练实例的类别，通过多数表决等方式进行预测。特别的，我们将k=1的特殊情形成为最近邻算法2. K近邻模型k近邻法主要包括三个基本要素：K值选择，距离度量以及分类决策规则。特征空间中，对于每个训练实例x
2020-09-20 22:44:08
504
原创 【PyTorch基础】乘法torch.mul()，torch.nn()
torch.mul(a, b)是矩阵a和b对应位相乘，a和b的维度必须相等，相乘后返回结果维度也相同torch.mm(a, b)是矩阵a和b矩阵相乘，比如a的维度是(1, 2)，b是(2, 3)，返回的就是(1, 3)的矩阵举个栗子：import torcha = torch.rand(1, 4)b = torch.rand(4, 3)c = torch.rand(1, 3)print(a,'\n',b,'\n',c)ab = torch.mm(a, b)abc = torch.m.
2020-09-20 14:57:56
906
原创 【PyTorch基础】torch.sum()
torch.sum()对输入的tensor数据的某一维度求和，一共两种用法１．torch.sum(input, dtype=None)２．torch.sum(input, list: dim, bool: keepdim=False, dtype=None) → Tensorinput:输入一个tensordim:要求和的维度，可以是一个列表keepdim:求和之后这个dim的元素个数为１，所以要被去掉，如果要保留这个维度，则应当keepdim=True举例说明:import torc
2020-09-20 14:47:43
2797
原创 【李航统计学】Chap2：感知机及代码实现
Chap2：感知机1. 感知机模型2. 感知机学习策略2.1 损失函数2.2 范数1. 感知机模型感知机 是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1二值。感知机对应于输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型。感知机模型的假设空间是定义在特征空间中的所有线性分类模型（linear classification medel）或线性分类器（linear classifier），即函数集合{f∣f(x)=w⋅x+b}\{f|f(x) = w
2020-09-13 22:48:55
793
原创 Python函数装饰器详解
1. 装饰器增强函数或类的功能的一个函数，可以装饰函数，也可以装饰类1.1 举个栗子def time_decorator(func): #装饰器 def wrapper(*args, **kwargs): #wrapper在第二节中具体讲 # 在函数前打印开始时间 start_time = time.time() print("start time is:", start_time) # 执行待装饰函数本身
2020-09-12 20:26:16
215
原创 【李航统计学笔记】Chap1：统计学习及监督学习概论
Chap1：统计学习及监督学习概论1 统计学习分类1.1 基本分类1.1.1 监督学习1.1.2 无监督学习1.1.3 强化学习1.1.4 半监督学习与主动学习1.2 按算法分类1.2.1 在线学习1.2.2 批量学习1.3 按模型分类1.3.1 概率模型与非概率模型1.3.2 线性模型与非线性模型1.3.3 参数化模型与非参数化模型2 各种概率与贝叶斯公式2.1 问题描述2.2 条件概率2.3 先验概率2.4 后验概率2.5 全概率公式2.6 贝叶斯公式Chap1 都是些初步的概念，后续都有详细展开，
2020-09-07 17:32:20
285
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人