厉昱辰
CSDN电子技术领军人物,阿里云开发者社区专家博主,在CSDN“笔耕不辍”活动中荣获三等奖;曾参加2022年CSDN“博客之星”活动
展开
-
【机器学习】21天挑战赛学习/论文总结(第三周)
NumPy 数组的维数称为秩(rank),秩就是轴的数量,即数组的维度,一维数组的秩为 1,二维数组的秩为 2,以此类推。 在 NumPy中,每一个线性的数组称为是一个轴(axis),也就是维度(dimensions)。比如说,二维数组相当于是两个一维数组,其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是 NumPy 中的轴(axis),第一个轴相当于是底层数组,第二个轴是底层数组里的数组。而轴的数量——秩,就是数组的维数。[3] 很多时候可以声明 axis。axis=0,表示沿着第 ..原创 2022-08-18 20:52:42 · 193 阅读 · 46 评论 -
【机器学习】21天挑战赛学习笔记(六)
numpy中的ndarray为多维数组,是numpy中最为重要也是python进行科学计算非常重要和基本的数据类型。numpy中基本的运算符进行了重载,算数运算符和逻辑运算符都是逐元素操作的,还有广播机制,使得一个标量与多维数组相互运算的时候也是逐元素运算。 2.axis的理解 有一定python编程基础的人都不难理解多维数组的概念,ndarray最难理解的是axis。ndarray当中的一个元素是通过一系列下标来索引的。 例如a[0][2][3], 可以把axis看成是存放下标的一个框框(虽然不准确,原创 2022-08-17 11:49:02 · 294 阅读 · 22 评论 -
【机器学习】21天挑战赛学习笔记(五)
NumPy(Numerical Python)是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵,比Python自身的嵌套列表(nested list structure)结构要高效的多(该结构也可以用来表示矩阵(matrix)),支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。1、一个强大的N维数组对象Array;2、比较成熟的(广播)函数库;3、用于整合C/C++和Fortran代码的工具包;4、实用的线性代数、傅里叶变换和随机数生成函数。数组,其中第一个一维原创 2022-08-17 09:59:50 · 152 阅读 · 10 评论 -
【机器学习】21天挑战赛学习/论文总结(第二周)
1)对矩阵进行归一化 2)计算前几个singular vectors 值(奇异向量?总感觉这么翻译很别扭) 3)根据这些singular vectors值进行排序,使其可以更好的通过piecewise-constant向量进行近似表示 4) 使用一维k均值找到每个向量的近似值,并使用欧几里德距离进行评分 5) 选择最佳左右singular vectors的一些子集 6) 将数据投影到这个singular vectors的最佳子集并聚集 4.2.3...原创 2022-08-13 08:48:50 · 363 阅读 · 27 评论 -
【机器学习】21天挑战赛学习笔记(四)
凸函数的定义: 对于一元函数f(xf(x),如果对于任意tϵ[0,1]均满足:f(tx1+(1−t)x2)≤tf(x1)+(1−t)f(x2)f(tx1+(1−t)x2)≤tf(x1)+(1−t)f(x2),则称f(x)f(x)为凸函数。 同时如果对于任意tϵ(0,1))均满足:f(tx1+(1−t)x2)...原创 2022-08-11 13:05:29 · 414 阅读 · 15 评论 -
【机器学习】21天挑战赛学习笔记(三)
首先对于CONVEX BICLUSTERING做一个描述,CONVEX是凸面的,所以我们很容易就知道CONVEX BICLUSTERING是一个凸双聚类。在双聚群问题中,我们寻求同时对观察结果和特征进行分组,虽然聚簇在从文本挖掘到协同过滤的广泛领域都有应用,但在高维基因组数据中识别结构的问题激发了这项工作。在这种情况下,双聚簇使我们能够识别仅在实验条件子集内共同表达的基因子集,我们给出了双聚类问题的凸公式(目标函数为凸),它具有 唯一的全局最小值和一个保证识别它的迭代算法(COBRA) 🚩学习回忆站:.原创 2022-08-08 10:20:04 · 334 阅读 · 13 评论 -
【机器学习】21天挑战赛学习/论文总结(第一周)
1.回归的基本思想 回归是对一个或多个自变量和因变量之间的关系进行建模,求解的一种统计方法。很多模型都是在他的基础上建立的,任何一个复杂模型,其内部可能会隐藏着许多回归模型。 2.损失函数 损失函数的作用: 衡量模型模型预测的好坏。再简单一点说就是:损失函数就是用来表现预测与实际数据的差距程度。 ①直接法 ②迭代法 小批量梯度下降法的过程如下: (a)确定求解的模型参数为α、β; (b)定义小批量梯度下降法的损失函数; (c)求解梯度,并定义递推关系; (d)迭代,迭代完成输出最后的模型参数原创 2022-08-06 12:37:42 · 182 阅读 · 13 评论 -
【机器学习】21天挑战赛学习笔记(二)
1.什么是聚类学习 聚类一直是机器学习、数据挖掘、模式识别等领域的重要组成内容。聚类是在无标记样本的条件下将数据分组,他通常被用于以下三个方面: 🌈发现数据的潜在结构 🌈对数据进行自然分组 🌈对数据进行压缩 这几个方面的功能使聚类既可以作为预处理程序,又可以作为独立的分析工具。 2.聚类的描述 数据聚类(聚类分组)的目的是在一个对象(模式、数据点)的集合中发现其自然的分组。 定义: 聚类是把一个数据对象的集合划分成簇(子集),使簇内对象彼此相似,簇间对象不相似的过程。 Kleinb...原创 2022-08-04 19:00:20 · 464 阅读 · 39 评论 -
【机器学习】21天挑战赛学习笔记(一)
1,学习知识点 1.回归的基本思想 2.损失函数 3.最小二乘法 4.梯度下降法 5.泛化 6.过拟合与欠拟合 7.MSE和RMSE 8.MAE和MAPE 9.正则项 2,学习的收获 🔥🔥根据以上的学习知识点进行学习总结,总结知识点如下: 1.回归的基本思想 回归是对一个或多个自变量和因变量之间的关系进行建模,求解的一种统计方法。很多模型都是在他的基础上建立的,任何一个复杂模型,其内部可能会隐藏着许多回归模型。 2.损失函数 损失函数的作用:衡量模型模型预测的好坏。再简单一点..原创 2022-08-03 08:54:35 · 238 阅读 · 27 评论