机器学习
文章平均质量分 81
囇殇
这个作者很懒,什么都没留下…
展开
-
概率、似然、极大似然估计
概率论与数理统计基础之概率和似然原创 2024-04-02 12:45:07 · 949 阅读 · 0 评论 -
Argoverse数据集API安装和HiVT代码调试踩坑及排坑记录
由于4060显卡出现RuntimeError: nvrtc: error: invalid value for --gpu-architecture (-arch)错误,重新配置了,更改了torch 版本)原因,可能是因为显卡问题,4060 用 Pytoch1.8.0 +cu111 出现问题,改使用了 Pytorch1.13.1+cu117 未报错。第二步:找到.bashrc 文件,可能被隐藏了,到所在目标输入 ls -all 会显示。定位.bashrc 位置 locate .bashrc。原创 2024-03-12 20:07:06 · 1428 阅读 · 14 评论 -
权重衰退(L2正则化)-处理过拟合方式之一
权重衰退权重衰减(weight decay)是最广泛使用的正则化的技术之一, 它通常也被称为 𝐿2 正则化。一种简单的方法是通过线性函数f(x)=w⊤xf(\mathbf{x}) = \mathbf{w}^\top \mathbf{x}f(x)=w⊤x中的权重向量的某个范数来度量其复杂性,例如∥w∥2\| \mathbf{w} \|^2∥w∥2。要保证权重向量比较小,最常用方法是将其范数作为惩罚项加到最小化损失的问题中。将原来的训练目标最小化训练标签上的预测损失,调整为最小化预测损失和惩罚项之和。现在原创 2022-05-11 15:57:47 · 475 阅读 · 0 评论 -
过拟合与欠拟合测试小例子
过拟合、欠拟合import mathimport numpy as npimport torchfrom torch import nnfrom d2l import torch as d2l使用3阶多项式生成训练集和测试数据标签y=5+1.2x−3.4x22!+5.6x33!+εwhereε∈N(0,0.12) y = 5 + 1.2x - 3.4 \frac{x^2}{2!} + 5.6\frac{x^3}{3!} + \varepsilon \quad where \quad \var原创 2022-05-11 10:41:26 · 207 阅读 · 0 评论 -
多层感知机实现
多层感知机感知机多层感知机感知机给定输入x,权重w, 和偏移b, 感知机输出:o=σ(⟨w,x⟩+b)σ={1ifx>00otherwiseo=\sigma(\langle w,x\rangle+b)\quad \sigma= \left\{\begin{aligned}&1 \qquad if\quad x >0 \\&0 \qquad otherwise\end{aligned}\right.o=σ(⟨w,x⟩+b)σ={1ifx>00otherwise原创 2022-05-10 08:48:09 · 631 阅读 · 0 评论 -
softmax两种实现方式
softmax实现方式方式1--自构造获取图像分类数据集Fashion-MNIST可视化数据集初始化模型参数定义softmax操作定义模型定义交叉熵损失函数计算分类精度训练预测方式2--调用torch.nn实现方式1–自构造获取图像分类数据集Fashion-MNIST%matplotlib inlineimport torchimport torchvisionfrom torch.utils import datafrom torchvision import transformsfro原创 2022-05-03 17:25:39 · 1244 阅读 · 0 评论 -
线性回归两种实现方式
线性回归-pytorch方式1-自构造根据带有噪声的线性模型构造一个人造数据集,我们使用线性模型参数w =[2,-3.4].T、b=4.2和噪声向e生成数据集及其标签:y = Xw+b+ed2l库 可换成matplotlib库定义一个data_iter函数,该函数接收批量大小,特征矩阵和标签向量作为输入,生成大小为batch_size的小批量定义初始化模型参数定义模型定义损失函数定义优化算法训练方式2-调torch.nn构造数据迭代器回归网络 (回归相当于单层全连接网络)MSE损失实例化SGD方式1-自原创 2022-05-01 11:16:06 · 659 阅读 · 0 评论 -
评价指标:精确率与召回率
@[转载文章https://blog.csdn.net/qq_34290470/article/details/101619442](精确率与召回率) 机器学习-精确率与召回率 数据挖掘、机器学习和推荐系统中的评测指标—准确率(Precision)、召回率(Recall)等。 二元分类器: 混淆矩阵 True Positive(真正,TP):将正类预测为转载 2021-06-01 17:18:18 · 1309 阅读 · 0 评论