- 博客(6)
- 收藏
- 关注
RSS订阅原创 Python正则表达式学习摘要
正则表达式简要为什么使用正则表达式语法元字符锚字符为什么使用正则表达式 典型的搜索和替换操作要求您提供与预期的搜索结果匹配的确切文本。虽然这种技术对于对静态文本执行简单搜索和替换任务可能已经足够了，但它缺乏灵活性，若采用这种方法搜索动态文本，即使不是不可能，至少也会变得很困难。 通过使用正则表达式，可以：测试字符串内的模式。例如，可以测试输入字符串，以查看字符串内是否出现电话号码模式或信用卡号码模式。这称为数据验证。替换文本。可以使用正则表达式来识别文档中的特定文本，完全删除该文
2020-12-13 11:11:14
423
原创 Machine Learing by Andrew Ng (5) --神经网络学习与反向传播算法
引入-非线性假设在实际的机器学习问题中，一个训练集的特征数量十分庞大，若仍采用我们先前所学习的算法将产生过多的高阶多项式，大大减缓算法的运行速度，在正则化过后易造成欠缺拟合。因此，我们需要考虑新的想法来制作复杂的非线性分类器。Example：在图像识别的问题中，计算机通过像素点强弱值构建的数值矩阵作为特征值运算处理，一张仅50*50的灰度图片就要产生如此多的多项式。神经元与大脑大脑...
2019-03-31 15:44:09
185
原创 Machine Learning by Andrew Ng (4) --Logistic回归与线性回归的正则化
过度拟合当特征变量过多时，假设函数的多项式也随之变多，从而导致为了满足训练集而产生的过度‘精准’曲线。对于模型而言，这样往往不能有效地执行其预测功能。为了解决这个问题，我们有以下两种选择：删去不必要的特征变量(对结果影响较小的)，选择合适的算法模型。在代价函数运算中引入正则化的概念。代价函数的改变 对参数进行所谓的“惩罚”，削减它们对拟合的影响程度，以达到合适的预期值。...
2019-03-30 21:44:32
200
原创 Machine Learning by Andrew Ng (3) -- Logistic回归
分类问题在进行（例如肿瘤良性与否的判断）分类问题时，因结果之间具有明确的界限，我们往往采用0，1，2，3…等等来表示预测值。这时线性回归无法达到最优需求，因此我们引入了logistic回归算法来进行分类问题的求解。我们在希望假设函数的值与预测范围较为吻合，因此定义了logistic回归。假设函数展示函数模型引入（exp）指数函数进行需求拟合。输出意义logistic回归模型的...
2019-03-28 23:57:26
303
1
原创 Machine Learing by Andrew Ng （1） --单变量线性回归，代价函数与梯度下降
Machine Learing by Andrew Ng (1) —Linear regression and gradient descent.机器学习有下面几种定义： “机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”。“机器学习是对能通过经验自动改进的计算机算法的研究”。 “机器学习是用数据或以往的经验，以此优化计算机程序的性能标准...
2019-03-19 21:20:59
178
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