深度学习
文章平均质量分 75
望百川归海
记录点点滴滴
展开
-
提高深度学习(和机器学习)性能的思路
文章目录1. 通过数据提升性能2、通过算法提升性能3. 通过算法调参提升性能4、通过嵌套模型提升性能总结 提升思路分为以下4部分,通常来讲,随着列表自上而下,性能的提升也将变小。部分思路只适用于人工神经网络,但是大部分是通用的。足够用来配合其他技术来碰撞出提升模型性能的方法。 (1)通过数据提升性能 (2)通过算法提升性能 (3)通过算法调参提升性能 (4)通过嵌套模型提升性能1. 通过数据提升性能对训练数据和问题定义进行适当改变,能得到很大的性能提升。或许是最大的性能提升。以下是原创 2021-10-25 11:21:04 · 1009 阅读 · 0 评论 -
机器学习的一些数学诠释
涉及到:线性回归、logistic回归和一般回归;支持向量机SVM;K-means聚类算法;神经网络;深度学习LSTM;决策树,集成学习(XGBoost,随机森林);主成分分析;线性判别分析;典型关联分析;规则化和模型选择;...原创 2021-10-23 20:34:34 · 1038 阅读 · 0 评论 -
基于kaggle欧洲国家太阳能发电数据集的太阳能站点效率预测
我们将只保留一个站点,使用 scikit-learn 的基本 ML 模型进行一个月的预测,使用深度学习和tensorflow预测一到两天。 性能指标:均方根误差,探索性分析可见,数据集是干净的:没有异常值,没有重复行,也没有缺失值。1、基线模型基线模型得到的结果,将会是其他模型结果的比较基准。import numpy as npimport pandas as pdfrom sklearn.metrics import mean_squared_errorfrom datapre原创 2021-10-17 16:54:57 · 1406 阅读 · 4 评论 -
优化算法详解
对于几乎所有机器学习算法,无论是有监督学习、无监督学习,还是强化学习,最后一般都归结为求解最优化问题。因此,最优化方法在机器学习算法的推导与实现中占据中心地位。在这篇文章中,SIGAI将对机器学习中所使用的优化算法做一个全面的总结,并理清它们直接的脉络关系,帮你从全局的高度来理解这一部分知识。...原创 2021-10-17 10:58:15 · 13572 阅读 · 0 评论 -
Kreas深度学习之LSTM
1、使用 Keras Sequential 顺序模型Sequential官网链接Sequential模型表面意思是顺序模型,它是多个网络层的线性堆叠,可以构建非常复杂的神经网络,包括全连接神经网络、卷积神经网络(CNN)、循环神经网络(RNN)、等等。这里的Sequential更准确的应该理解为堆叠,通过堆叠许多层,构建出深度神经网络。用法:你可以通过将定义的各个网络层实例组成的列表传递给 ...原创 2019-06-10 13:17:52 · 834 阅读 · 0 评论 -
深度学习之递归神经网络
一、递归神经网络1、什么是递归神经网络递归神经网络是两类人工神经网络的总称,分为是时间递归神经网络(Recurrent Neural Network)和结构递归神经网络(Recursive Neural Network)。也有文献分别称之为:递归神经网络和循环神经网络。RNN网络在传统神经网络的基础上加入了“记忆”成分。!!!之前的一些神经网络模型中,假设训练数据之间是相互独立的,但是许多实...原创 2019-05-23 18:31:43 · 8682 阅读 · 1 评论 -
使用Tensorflow实现CNN进行手写数字识别
一、卷积神经网络卷积神经网络CNN是多层神经网络的一个变种,传统的多层神经网络,当隐层数变多时,节点数目过多时就会造成参数个数过多,训练难度极大。这时会想,如果在该网络中藏有一种深层的神经网络模型,在该模型中,参数个数可以得到削减,且不影响模型的精度。这就是卷积神经网络。1、卷积神经网络的核心概念为了减少参数的个数,提出了以下三个概念:(1)稀疏连接(sparse connectivity...原创 2019-06-25 12:39:34 · 1413 阅读 · 0 评论