Machine Learning
文章平均质量分 71
学习溢出
深度学习打游戏
展开
-
【自动编码器3 异常检测 全python代码】Autoencoder Anomaly Detection
您将仅在正常节律上训练自动编码器,然后使用它来重构所有数据。我们的假设是,异常节律将具有更高的重构误差。然后,如果重构误差超过固定阈值,您将把节律归类为异常。翻译 2024-09-13 22:50:22 · 159 阅读 · 0 评论 -
【自动编码器2 图像去噪 全python代码】Autoencoder Image Denoising
自动编码器还可以通过训练来去除图像中的噪声。您将通过对每幅图像应用随机噪声来创建数据集的噪声版本。然后,您将使用噪声图像作为输入,并使用原始图像作为目标来训练自动编码器。翻译 2024-09-13 20:59:57 · 125 阅读 · 0 评论 -
【自动编码器1 重建图像 全python代码】Basic Autoencoders
自动编码器是一种特殊类型的神经网络,经过训练后可将其输入复制到输出。例如,给定一张手写数字图像,自动编码器首先将该图像编码为较低维度的潜在表示,然后将潜在表示解码回图像。自动编码器学习压缩数据,同时最小化重构误差。翻译 2024-09-13 20:32:33 · 97 阅读 · 0 评论 -
蒙特卡罗模拟 python Monte Carlo Simulation
蒙特卡罗模拟根据估计值范围与一组固定输入值来预测一组结果。换句话说,蒙特卡洛模拟通过利用概率分布(例如均匀分布或正态分布),为任何具有固有不确定性的变量构建可能结果的模型。然后,它一遍又一遍地重新计算结果,每次都使用最小值和最大值之间的一组不同的随机数。在典型的蒙特卡罗实验中,可以重复此练习数千次以产生大量可能的结果。由于其准确性,蒙特卡罗模拟也可用于长期预测。随着输入数量的增加,预测数量也会增加,使您能够更准确地预测更远的时间结果。原创 2024-02-15 23:41:14 · 794 阅读 · 1 评论 -
吴恩达 GPT Prompting 课程
【代码】吴恩达 GPT Prompting 课程。原创 2023-08-22 19:35:48 · 1256 阅读 · 0 评论 -
机器学习 之 python实现正规方程
的值,可以用正规方程的方法来解。这里推导过程就不展开了,有兴趣的可以移步。从公式可以看出,相较于梯度下降法,正规方程不需要选择学习率,不需要迭代计算。在给出python代码前,强调一下正规方程的适用范围。书接上文,想要计算代价函数中。,甚至不需要特征缩放。原创 2022-11-11 00:42:46 · 908 阅读 · 0 评论 -
机器学习 之 python 数据预处理与数据分析
在python库pandas库下,导入数据,简单查看数据结构,缺失。然后分离数据集为 输入和输出集。最后为一些简单的数据分析,数据相关性,异常值。仅为个人学习笔记分享,不够全面请见谅。原创 2022-11-09 01:55:47 · 332 阅读 · 0 评论 -
机器学习 之 python实现 多元线性回归 梯度下降 普适算法与矩阵算法
介于网上的多元线性回归梯度下降算法多为固定数量的因变量,如三元一次函数。我觉得用python手搓一个多元线性回归梯度下降,意思就是数据集可以是三元,可以是四元,可以是五元。原创 2022-10-21 04:01:43 · 966 阅读 · 0 评论 -
机器学习 之 线性回归 平方损失函数 和 梯度下降算法 公式推导
现在我们有了损失函数,所要做的仅仅就是把损失函数降到最低,以找到最佳的拟合函数。说白了,题目给出红色的叉,我们假设一条 一次函数 (蓝色) 直线,通过不断改变。碗的最低点(损失函数的最小值),即是我们要寻找的最佳拟合时变量。如图(随便在网上找的),平方损失函数即所有的红色的线的平方和。损失函数是用来估量模型的预测值h与真实值y的不一致程度。损失函数即是所有估计值减真实值的平方和。的值,将(蓝色)直线不断逼近真实的直线 (红色)。即损失函数的值越小,拟合的函数就越好。的值,直到收敛,找到最佳拟合函数。原创 2022-10-18 22:59:42 · 1621 阅读 · 0 评论