机器学习
文章平均质量分 95
机器学习实战。
如果文章对你有帮助,记得点赞收藏关注~
吾仄lo咚锵
吴泽龙的博客
展开
-
ubuntu创建pytorch-gpu的docker环境
使用docker的好处就是可以将你的环境和别人的分开,特别是共用的情况下。本文介绍了ubuntu环境下创建pytorch-gpu的教程,centos其实也是差不多的。原创 2024-01-04 18:55:41 · 1595 阅读 · 0 评论 -
Friedman检验及后续Nemenyi检验可视化
每篇论文都可以加的数值分析实验!原创 2024-01-01 23:13:34 · 3846 阅读 · 5 评论 -
范数详解-torch.linalg.norm计算实例
本文以torch.linalg.norm(),详细讲解二范数、F范数、核范数、无穷范数、L1范数、L2范数的定义和计算。原创 2023-05-01 11:54:45 · 3632 阅读 · 1 评论 -
数据分析-非参数秩方法
本文主要介绍了非参数秩方法中的几种检验,包括Wilcoxon秩和检验、Smirnov检验、符号检验、Wilcoxon符号秩检验、Kruskal-Wallis检验、Friedman检验。原创 2022-09-25 00:31:53 · 2176 阅读 · 0 评论 -
深度学习-Pytorch环境搭建(Windows)
不同操作系统,不同语言,不同包管理器安装PyTorch方法不一样。Anaconda是官网推荐的和主流的包管理器,若支持CUDA则能更好的用GPU进行加速,不过不是必选项。即本文主要介绍基于Windows+Python+Anaconda的Pytorch环境搭建。原创 2022-09-05 15:49:09 · 12423 阅读 · 13 评论 -
深度学习-神经网络(Pytorch应用)
神经网络中的隐含层可以分为卷积层、池化层、激活层、线性层等,本文将介绍相关原理及Pytorch中代码应用。原创 2022-12-11 17:56:16 · 1933 阅读 · 4 评论 -
深度学习-AlexNet(第一个深度卷积网络)
AlexNet是第一个深度卷积网络模型,赢得了2012年ImageNet图像分类竞赛的冠军,自98年的LeNet后再次将深度学习研究引热,创造性的提出了很多方法且影响至今,如使用GPU进行训练,使用ReLU 作为非线性激活函数,使用 Dropout 防止过拟合,使用数据增强来提高模型准确率等。原创 2022-12-25 22:12:29 · 1843 阅读 · 0 评论 -
深度学习-LeNet(第一个卷积神经网络)
LeNet模型是在1998年提出的一种图像分类模型,应用于支票或邮件编码上的手写数字的识别,也被认为是最早的卷积神经网络(CNN),为后续CNN的发展奠定了基础,作者LeCun Y也被誉为卷积神经网络之父。原创 2022-12-15 15:56:11 · 9919 阅读 · 8 评论 -
深度学习-Pytorch张量tensor详解(线性回归实战)
张量(tensor)是Pytorch中最基本的操作对象,表示一个多维矩阵,类似numpy中的ndarrays,是可以在GPU上使用以加速运算。原创 2022-10-04 23:31:47 · 1562 阅读 · 1 评论 -
深度学习-Tensorboard可视化面板
Tensorboard是Tensorflow官方提供的实用可视化工具,可以将模型训练过程中的各种数据保存到本地,然后在web端可视化展现这些信息,直观便捷的方便我们进行优化调试。原创 2022-12-08 00:40:57 · 2250 阅读 · 1 评论 -
集成学习-Bagging和Boosting算法
本文介绍了集成学习中的Bagging和Bosting算法,包括随机森林、AdaBoost、GDRT、XGBoost的代码应用。原创 2022-11-18 12:13:35 · 1941 阅读 · 2 评论 -
机器学习-主成分分析PCA降维
主成分分析(Principle Component Analysis,PCA)是常用的降维方法,用较少的互不相关的新变量来反映原变量所表示的大部分信息,有效解决维度灾难问题。原创 2022-11-14 21:49:32 · 1726 阅读 · 0 评论 -
机器学习-层次聚类(谱系聚类)算法
层次聚类(Hierarchical Clustreing)又称谱系聚类,通过在不同层次上对数据集进行划分,形成树形的聚类结构。很好体现类的层次关系,且不用预先制定聚类数,对大样本也有较好效果。原创 2022-11-08 11:56:11 · 3448 阅读 · 0 评论 -
机器学习-朴素贝叶斯(高斯、多项式、伯努利)
贝叶斯分类器主要思想是基于贝叶斯定理,是机器学习中重要的分类算法,适用于高维度的大数据集,速度快,准确率高,一个经典的应用场景是识别垃圾邮件。原创 2022-10-27 00:11:49 · 3010 阅读 · 2 评论 -
机器学习-特征提取(one-hot、TF-IDF)
特征工程是机器学习中的第一步,会直接影响机器学习的结果。可以说数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限。特征工程包括特征提取、特征预处理和特征降维等。原创 2022-10-24 11:29:52 · 3446 阅读 · 0 评论 -
机器学习-决策树算法(ID3、C4.5和CART)
决策树(Decision Tree)是⼀种树形结构,每个节点表示⼀个属性上的判断,每个分⽀代表⼀个判断结果的输出,最后每个叶节点代表⼀种分类结果,本质是⼀颗由多个判断节点组成的树。原创 2022-10-22 00:15:00 · 2113 阅读 · 0 评论 -
机器学习-支持向量机SVM算法
支持向量机(Support Vector Machine, SVM)对监督学习下二分类问题提供了一个绝妙的解决方案。通过对偶函数和核函数求解,将适用范围从二维线性推广到多维非线性模型,使用相关方法变形,也可用于多分类问题和回归问题。原创 2022-10-17 17:29:50 · 1868 阅读 · 0 评论 -
机器学习-分类评估方法(召回率、ROC与混淆矩阵)
本文介绍了分类任务中的模型评估方法,包括精确率、召回率、F1度量、ROC、AUC与混淆矩阵。原创 2022-10-07 18:32:47 · 1657 阅读 · 0 评论 -
机器学习-对数几率回归(逻辑回归)算法
对数几率回归(Logistic Regression),也称逻辑回归,虽然名字中含有回归,但其实是一种分类算法。找一个单调可微函数将分类任务中的真实标记与线性回归模型的预测值联系起来,是一种广义线性回归。原创 2022-10-06 17:30:00 · 3329 阅读 · 0 评论 -
机器学习-多项式回归算法
多项式回归(Polynomial Regression)顾名思义是包含多个自变量的回归算法,也叫多元线性回归,多数时候利用一元线性回归(一条直线)不能很好拟合数据时,就需要用曲线,而多项式回归就是求解这条曲线。原创 2022-10-05 18:33:31 · 2643 阅读 · 0 评论 -
Colab-免费GPU算力
Colab是谷歌的提供的一个在线工作平台,使用Jupyter笔记本环境,完全运行在云端,且重点是提供了免费的K80及以上GPU算力。原创 2022-10-03 12:04:56 · 4182 阅读 · 6 评论 -
浅谈梯度下降与模拟退火算法
简单来说,梯度下降就像是从山顶出发,到达最低的谷底,但下山过程中可能误入歧途,走入不是最低的谷底,即局部最优。原创 2022-10-02 18:36:13 · 2688 阅读 · 2 评论 -
机器学习-线性回归算法(房价预测项目)
线性回归(Linear Regression)是回归任务中最常见的算法,利用回归方程对自变量和因变量进行建模,且因变量和自变量之间是线性关系而得名,从而可以根据已知数据预测未来数据,如房价预测、PM2.5预测等。原创 2022-10-01 21:22:29 · 5927 阅读 · 0 评论 -
机器学习-KMeans算法(图解算法原理)
k均值聚类算法(k-means clustering algorithm)是一种迭代求解的聚类分析算法,也就是将数据分成K个簇的算法,其中K是用户指定的。原创 2022-09-30 12:10:39 · 3946 阅读 · 2 评论 -
机器学习-KNN算法(鸢尾花分类实战)
“近朱者赤近墨者黑",所谓的K近邻,也就是根据样本相邻最近的K个数据来进行判断,看K个邻居中所属类别最多的是哪一类,则将该样本分为这一类。原创 2022-09-27 22:12:31 · 8058 阅读 · 2 评论 -
Pandas光速入门-一文掌握数据操作
Pandas是Python的一个强大的数据分析库,本文将从安装、数据结构、数据读写、数据运算、数据清洗和数据可视化介绍Pandas。原创 2022-09-17 14:28:29 · 1542 阅读 · 9 评论 -
Matplotlib光速入门-从安装到绘图实战
Matplotlib是Python一个强大的绘图库,搭配NumPy库的使用,可以满足绝大部分的绘图需求,各种你能想到的图表基本都支持,使用代码即可进行绘制,如果画不出来那一定是你的问题(doge)。原创 2022-09-11 13:23:45 · 1415 阅读 · 2 评论