机器学习入门级教程
文章平均质量分 79
从基础出发,通过简单的线性回归,softmax回归,卷积神经网络,循环神经网络案例,初步让你认识神经网络结构。
小二哈Oil
这个作者很懒,什么都没留下…
展开
-
什么是过拟合?|代码+详细注释
一、什么是过拟合?总的来说,机器学习模型在一批数据上过于纠结误差值,想要将误差降到最低。然而当此模型运用到现实数据或者说测试数据上,误差值变高,泛化能力差,不能表达除训练数据以外的其他数据,这就叫做过拟合。如图所示的红线。二、解决方法方法一: 增加数据量, 大部分过拟合产生的原因是因为数据量太少了. 如果我们有成千上万的数据, 红线也会慢慢被拉直, 变得没那么扭曲。方法二: 运用正规化. L1, l2 regularization等等, 这些方法适用于大多数的机器学习, 包.原创 2022-04-06 21:44:13 · 14596 阅读 · 0 评论 -
COVID-19 Cases Prediction |代码详解及strong baseline修改
一、数据集下载此处为Google colab下载方式,此处附上已下载资源https://download.csdn.net/download/qq_37767529/85063986tr_path = 'covid.train.csv' # path to training datatt_path = 'covid.test.csv' # path to testing data!gdown --id '19CCyCgJrUxtvgZF53vnctJiOJ23T5mqF' --outp原创 2022-04-01 15:51:49 · 1477 阅读 · 3 评论 -
什么是循环神经网络RNN?|(基于pytorch)代码+详细注释
一、循环神经网络它并非刚性地记忆所有固定长度的序列,而是通过隐藏状态来存储之前时间步的信息。我们想象现在有一组序列数据 data 0,1,2,3。 在当预测 result0 的时候,我们基于的是 data0, 同样在预测其他数据的时候, 我们也都只单单基于单个的数据。 每次使用的神经网络都是同一个 NN(neural network)。不过这些数据是有关联顺序的 , 就像在厨房做菜, 酱料 A 要比酱料 B 早放, 不然就串味了。所以普通的神经网络结构并不能让 NN 了解这些数据之间的关联。原创 2022-03-31 14:29:31 · 5438 阅读 · 1 评论 -
什么是激励函数?(代码+详细注释)
一、为什么要用激励函数?简单的说,我们日常中所遇到的问题大多数是非线性问题,很多不能用线性方程来概括,因此激励函数就出现了。举一个简单的例子,例如:W就是我们需要求解的参数,Y是预测值,x是输入值,真很显然是一个线性方程,不能用来描述非线性的问题。这个时候激励函数就出现了,让我来解决这个问题!!!图片来源:https://mofanpy.com/tutorials/machine-learning/torch/intro-activation-function/...原创 2022-03-25 19:43:05 · 3761 阅读 · 0 评论 -
线性回归的原理(案例代码+详细注释)
一、线性回归的从零开始(摆脱封装好的算法)尽管现在已经有很多的深度学习框架已经封装好了线性回归这一算法,让我们可以随时调用,简单且方便,但是这会导致很多人难以理解这一算法是如何工作的,怎么一步一步实现线性回归算法的。因此本文以pytorch框架为基础,仅使用Tensor和autograd来实现一个线性回归。二、代码示例讲解0.导入相关包%matplotlib inlineimport torchfrom IPython import displayfrom matpl...原创 2022-03-25 18:34:48 · 1238 阅读 · 0 评论 -
关系拟合|线性回归 | 代码+详细注释(以Pytorc框架为例)
一、什么是线性回归?要知道回归问题的输出是一个连续值,与分类的离散值不同,回归问题常见于现实的很多方面,例如比较知名的房屋价格预测等。线性回归的基本要素主要分为特征值和目标值,例如以房屋价格预测这个问题,最终的价格取决于房屋状况,地段,市场等。如果我们将房屋状况,地段,市场这3个要素分别设为x1,x2,x3,那么最终的房屋价格(y)表达式:其中w1,w2,w3分别为房屋状况,地段,市场的权重值(weight),b为偏差值(bias)。二、代码示例:本次示例为手写数据集,主要是为了表达出线原创 2022-03-25 19:42:43 · 1571 阅读 · 0 评论