![](https://img-blog.csdnimg.cn/80fec88544b94fa4b1768fa3fd69ef41.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习 ML
机器学习是一门多学科交叉专业,涵盖概率论知识,统计学知识,近似理论知识和复杂算法知识,使用计算机作为工具并致力于真实实时的模拟人类学习方式, 并将现有内容进行知识结构划分来有效提高学习效率。
Stig_Q
我认出风暴而激动如大海
展开
-
UserWarning: Implicit dimension choice for softmax has been deprecated.
这个警告的原因是函数已经被弃用了,虽然程序还是可以运行成功,但是这个做法不被pytorch所赞成。这个写法在早期的pytorch版本是没有警告的,现在因为其他考虑,要加上有指明dim参数。改成dim=某个数字,这个数字可以根据自己的需要更改。原创 2022-12-07 16:09:38 · 1254 阅读 · 0 评论 -
二分类情况下sigmoid函数和softmax函数区别
说到softmax和sigmoid二者差别,就得说说二者分别都是什么。其实很简单,网上有数以千计的优质博文去给你讲明白,我只想用我的理解来简单阐述一下:据上所述,sigmoid函数,我们可以当作成它是对一个类别的“建模”。将该类别建模完成,另一个相对的类别就直接通过1减去得到;而softmax函数,是对两个类别建模。同样的,得到两个类别的概率之和也是1.神经网络在做二分类时,使用softmax还是sigmoid,做法其实有明显差别。由于softmax是对两个类别(正反两类,通常定义为0/1的label)建模原创 2022-12-07 15:54:21 · 2856 阅读 · 2 评论 -
Pytorch报错:RuntimeError: self must be a matrix
原因:torch.mm()是两个矩阵相乘,即两个二维的张量相乘,维度超过二维,则会报错。修改:使用torch.matmul()原创 2022-11-29 20:51:32 · 5527 阅读 · 0 评论 -
torch.ones_like()
返回一个填充了标量值1的张量,shape 与 input 相同。原创 2022-11-29 16:14:49 · 1051 阅读 · 0 评论 -
解决Endnote插入的是{作者,年份}不是序号[1]问题
之前写论文用word通过endnote导入文献,都是可以在正文出现[1] [2]的引用,但是后面跟导师一起修改论文时,老师把修改意见发给我之后,插入修改参考文献时,发现导入的都是{Welch 2017}这是基于国家标准 GB/T 7714-2005 《文后参考文献著录规则》编制的 EndNote 输出样式模板。原因应该是修改了默认的样式。原创 2022-11-22 17:59:37 · 24110 阅读 · 1 评论 -
【python统计分析】stats.ttest_ind 独立样本T检验
[ttest_ind 官方文档](https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.ttest_ind.html)当两总体方差相等时,即具有方差齐性,可以直接检验。stats.ttest_ind(data1,data2)当不确定两总体方差是否相等时,应先利用levene检验,检验两总体是否具有方差齐性。如果返回结果的p值远大于0.05,那么我们认为两总体具有方差齐性。原创 2022-11-19 15:39:52 · 10869 阅读 · 0 评论 -
python-matplotlib-箱线图为不同的箱体设置不同颜色
python-matplotlib-箱线图为不同的箱体设置不同颜色。原创 2022-11-17 17:54:56 · 5903 阅读 · 0 评论 -
Pytorch函数——masked_fill_()
用value填充tensor中与mask中值为1位置相对应的元素。其中 mask必须是一个 ByteTensor ,shape必须和 a一样,且元素只能是 0或者1 ,是将 mask中为1的 元素所在的索引,在a中相同的的索引处替换为 value ,mask value必须同为tensor。原创 2022-10-28 16:46:35 · 686 阅读 · 0 评论 -
torch.clamp()
将输入input张量每个元素的范围限制到区间 [min,max],返回结果到一个新张量。原创 2022-09-27 20:29:27 · 551 阅读 · 0 评论 -
PyCharm 带参数Debug
1.点击run/Edit Configurations, 然后点 + 选择python,的时候可以加参数,但在Debug的时候怎么加参数呢?不加参数的话要报错。将debug名称设置为DebugCora。3.点击apply 和 ok后,在程序中添加断点;点击run/debug, 选择DebugCora即可调试程序。原创 2022-09-27 17:16:59 · 2917 阅读 · 0 评论 -
parameters.requires_grad=False :误差仍然反向传播,梯度不更新
parameters.requires_grad=False :误差仍然反向传播,梯度不更新原创 2022-09-26 16:58:07 · 2701 阅读 · 0 评论 -
‘nvidia-smi’不是内部或外部命令,也不是可运行的程序
问题今天使用cmd查看电脑显卡的信息,出现如下问题:解决办法:(1)找到navidia-smi.exe文件所在位置。我的是在C:\Program Files\NVIDIA Corporation\NVSMI文件夹下(2)使用cd命令跳转到nvidia-smi.exe所在的文件夹,然后再次输入该命令cd C:\Program Files\NVIDIA Corporation\NVSMInavidia-smi...原创 2021-12-30 16:06:58 · 1468 阅读 · 1 评论 -
如何通俗地理解概率论中的「极大似然估计法」?
我们假设硬币有两面,一面是“花”,一面是“字”。 一般来说,我们都觉得硬币是公平的,也就是“花”和“字”出现的概率是差不多的。 如果我扔了100次硬币,100次出现的都是“花”。 在这样的事实下,我觉得似乎硬币的参数不正常。极有可能两面都是“花”! 这种通过事实,反过来猜测硬币的情况,就是似然。 通过事实,推断出最有可能的硬币情况,就是最大似然估计。 1 概率vs似然 让我们先来比较下概率和似然。 为了避免和我们想讨论的概率混淆,我们把硬币的“花”出现的概率称为硬币的参数。 1.1 概率 已知硬币的转载 2020-11-26 15:41:19 · 1127 阅读 · 0 评论 -
深入解读Logistic回归结果(一):回归系数,OR
Logistic回归虽然名字叫”回归” ,但却是一种分类学习方法。使用场景大概有两个:第一用来预测,第二寻找因变量的影响因素。 一 从线性回归到Logistic回归线性回归和Logistic回归都是广义线性模型的特例。假设有一个因变量y和一组自变量x1, x2,x3, ... ,xn,其中y为连续变量,我们可以拟合一个线性方程:y =β0 +β1*x1 +β2*x2 +β3*x3 +...+βn*xn并通过...转载 2020-11-20 17:29:11 · 36368 阅读 · 0 评论 -
机器学习算法之分类
1. 机器学习 机器学习是近20多年兴起的一门多领域交叉学科,它涉及到概率论、统计学、计算机科学以及软件工程等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类能从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法 [1]。 机器学习(Machine Learning)是人工智能(AI)中很重要的一部分,因为在目前的实践过程中,大多数人工智能问题是由机器学习的方式实现的...转载 2020-11-13 17:00:03 · 1995 阅读 · 2 评论 -
吴恩达老师的机器学习课程个人笔记
CS229 机器学习课程复习材料-线性代数CS229 机器学习课程复习材料-概率论CS229 机器学习课程复习材料-高数十周目录原创 2020-10-28 10:54:17 · 355 阅读 · 0 评论 -
CS229 机器学习课程复习材料-线性代数
本文是斯坦福大学CS 229机器学习课程的基础材料,原始文件下载原文作者:Zico Kolter,修改:Chuong Do, Tengyu Ma翻译:黄海广备注:请关注github的更新,线性代数和概率论已经更新完毕。CS229 机器学习课程复习材料-线性代数文章目录CS229 机器学习课程复习材料-线性代数线性代数复习和参考1. 基础概念和符号1.1 基本符号2.矩阵乘法2.1 向量-向量乘法2.2 矩阵-向量乘法2.3 矩阵-矩阵乘法3 运算和属性3.1 单位矩阵和对角矩阵3.2 转.转载 2020-10-22 09:42:27 · 427 阅读 · 0 评论 -
CS229 机器学习课程复习材料-概率论
本文是斯坦福大学CS229机器学习课程的基础材料,原始文件下载原文作者:Arian Maleki , Tom Do翻译:石振宇审核和修改制作:黄海广备注:请关注github的更新。CS229 机器学习课程复习材料-概率论文章目录CS229 机器学习课程复习材料-概率论概率论复习和参考1. 概率的基本要素1.1 条件概率和独立性2. 随机变量2.1 累积分布函数2.2 概率质量函数2.3 概率密度函数2.4 期望2.5 方差2.6 一些常见的随机变量3. 两个随机变量3.1 联合分布和边缘.转载 2020-10-26 13:47:27 · 240 阅读 · 0 评论 -
CS229 机器学习课程复习材料-高等数学
高等数学1.导数定义:导数和微分的概念f′(x0)=limΔx→0 f(x0+Δx)−f(x0)Δxf'({{x}_{0}})=\underset{\Delta x\to 0}{\mathop{\lim }}\,\frac{f({{x}_{0}}+\Delta x)-f({{x}_{0}})}{\Delta x}f′(x0)=Δx→0limΔxf(x0+Δx)−f(x0) (1)或者:f′(x0)=limx→x0 f(x)−f(x0)x−x0f'({{x}_{0}})=\unders转载 2020-10-28 10:48:44 · 291 阅读 · 0 评论