- 博客(4)
- 收藏
- 关注
RSS订阅原创 人工神经网络算法
每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。用多层感知器网络实现数字识别分类：基于手写体邮政编码点阵数据，利用多层感知器网络实现数字识别分类，并比较不同激活函数对分类预测的影响。
2023-07-12 11:37:28
72
1
原创 利用PCA 来简化数据实验
以手写数字数据集MNIST为例，每个样本图像的宽高为28×28像素，原始样本具有784个特征，用PCA主成分分析实现降维过程，画出降维后维度的学习曲线，缩小最佳维度的范围，找出最佳维度，并重构出降维后的图像，可视化显示图像的压缩效果。PCA算法的目标就是希望找到那些原始数据中最重要的维度，然后把原始数据投影到这些重要的维度上，即把高维的数据映射到低维空间中表示。
2023-07-12 11:35:56
133
1
原创 决策树算法实验
用决策树模型预测泰坦尼克生还判断？（训练数据：train.csv、测试数据：test.csv），一个旅客是否能够逃生与他的Pclass、Name、Sex、Age、SibSp、Parch、Ticket、Fare、Cabin、Embarked等均有一定联系，能否找到这些特征和他们能否逃生之间的规律，选择对分类结果有关键作用的特征。最优特征指的是，在每个结点处，如何选择最好的特征（属性）对样本进行分类，这里最佳的意义即经过这步划分，能使分类精度最好，直到这棵树能够准确分类所有训练样本。
2023-07-12 11:35:17
56
1
原创 聚类算法实验
K-means算法的工作过程：首先从n个数据任意选择k个对象作为初始聚类中心，对于所剩下的其他对象，则根据他们与这些聚类中心的相似度（距离），分别把它们分给与其最相似的（聚类中心所代表的）聚类。然后，再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值），不断重复这个一过程直到损失函数开始收敛为止。一般采用均方差作为损失函数。随机生成500个数，并对这500个数进行K-means聚类，并对聚类的簇进行可视化（不同类簇的点用不同的颜色表示），调整K的取值（k=2,3,4,5），观察簇的分类。
2023-07-12 11:33:16
115
1
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