机器学习
文章平均质量分 90
全是头发的羊羊羊
学术裁缝在线缝缝补补
展开
-
机器学习--ROC & AUC
ROC和 AUC的一些基本认识原创 2024-01-03 16:45:50 · 915 阅读 · 0 评论 -
基于CNN神经网络的手写字符识别实验报告
在MNIST手写字符识别任务中,CNN(例如LeNet-5)模型表现出了较好的性能,能够有效地提取图像特征,获得较高的准确率。参数调优对模型性能影响显著,如学习率、批处理大小、优化算法和激活函数等。具体调整这些参数能够显著地改变模型的收敛速度和准确率。不同的优化算法和激活函数对模型性能有重要影响。自适应学习率算法(如Adam、RMSprop)和ReLU激活函数通常能在训练效率和性能上取得较好的平衡。手写字符识别问题在现代深度学习中仍然是一个重要的研究领域,不同的模型和方法在实际应用中各有优劣。原创 2023-12-30 17:01:36 · 1697 阅读 · 1 评论 -
softmax函数
Softmax从字面上来说,可以分成soft和max两个部分。max故名思议就是最大值的意思。Softmax的核心在于soft,而soft有软的含义,与之相对的是hard硬。很多场景中需要我们找出数组所有元素中值最大的元素,实质上都是求的hardmax。下面使用Numpy模块以及TensorFlow深度学习框架实现hardmax。a = np.array([1, 2, 3, 4, 5]) # 创建ndarray数组通过上面的例子可以看出hardmax最大的特点就是只选出其中一个最大的值,即非黑即白。原创 2023-12-28 20:27:57 · 1111 阅读 · 0 评论 -
高斯函数、高斯核函数(RBF、径向基函数
作为机器学习中的一种算法,在解决分类问题中,高斯核函数便可发挥用途,当数据集不是线性可分的时候,需要利用核函数将数据集映射到高维空间,使其线性可分。如下图所示,有一组一维数据,两个类别,明显是线性不可分的情况:然后通过多项式将样本数据再增加一个维度,假设就是 ,样本数据就变成这样了:此时原本线性不可分的样本数据,通过增加一个维度后就变成线性可分的状态。这就是多项式升维的意义。原创 2023-12-27 14:31:24 · 1346 阅读 · 0 评论 -
scikit-learn文档中的数据生成器
(int或RandomState实例,可选):用于随机数生成器的种子。生成一组聚类问题的数据集,可以设置聚类数量、中心点数量、特征数量等。的数据集的函数,通常用于可视化分类器的学习过程或者测试机器学习算法的性能。的函数,通常用于可视化分类器的学习过程或者测试机器学习算法的性能。(int):生成的信号的原子数量(即特征数)。可以看出它生成的各类数据交织在一起,很难做线性的分类。(int):每个样本中非零系数的数量。(int):生成的样本数量。(int):样本的特征数。:用于生成信号的字典或基向量。原创 2023-12-24 14:15:34 · 1124 阅读 · 0 评论