关注
分享
大黑山修道
不常上csdn，有问题私信或者QQ503478972,可能可以及时看到;
以前写的可能会有错误，发现了就改;
~但行好事莫问前程~
展开
-
Machine Learning吴恩达视频课(线性代数)
Matrix: Rectangular array of numbers矩阵：由数字组成的矩形阵列；Dimension of matrix（矩阵维度）: number of rows(行) * number of column（列）矩阵元素的表示：vector(向量): An n*1 metrix以下为4维向量：通常用大写字母表示矩阵，小写字母表示向量；matrix a...原创 2019-02-22 19:38:20 · 492 阅读 · 1 评论 -
Machine Learning吴恩达视频课(绪论，单变量线性回归，梯度下降)
吴恩达视频课笔记,网易云课堂Machine Learning DefinitionA computer program is said to learn from experience E with respect to some task T and some performance measure P,if its performance on T, as measured by p,im...原创 2019-02-21 22:31:31 · 323 阅读 · 1 评论 -
机器学习笔记（十三）机器学习（卷积神经网络CNN基本认知）
参考博文：https://www.cnblogs.com/alexcai/p/5506806.htmlhttps://blog.csdn.net/fengbingchun/article/details/50529500https://blog.csdn.net/cainiao000001/article/details/80069222https://www.cnblogs.com/ch...原创 2019-02-20 14:32:11 · 7423 阅读 · 1 评论 -
机器学习笔记（十）机器学习（神经网络基本知识）
主要来源：视频学习网站Google机器学习教程遇到这类非线性问题，可以用前面学过的特征组合来建立模型；但若是遇到这类复杂的非线性问题，我们很难手动创建模型，我们需要利用神经网络让计算机自主创建模型；神经网络神经网络 (neural network)：一种模型，灵感来源于脑部结构，由多个层构成（至少有一个是隐藏层），每个层都包含简单相连的单元或神经元（具有非线性关系）。神经元 (neu...原创 2019-02-19 23:51:08 · 571 阅读 · 1 评论 -
机器学习笔记（十二）机器学习（多类别神经网络，softmax）
主要来源：视频学习网站Google机器学习教程多类别神经网络逻辑回归为二元分类问题提供了有用的概率：垃圾邮件/非垃圾邮件点击/未点击那多类别问题呢？苹果、香蕉、汽车、心脏病专家、…、步行标志、斑马、动物园红色、橙色、黄色、绿色、蓝色、靛青色、紫色动物、蔬菜、矿物一对多提供了一种利用二元分类的方法。鉴于一个分类问题会有 N 个可行的解决方案，一对多解决方案包括 N 个单独的二元分...原创 2019-02-16 00:47:10 · 522 阅读 · 1 评论 -
机器学习笔记（十一） 机器学习（ 训练神经网络）
主要来源：视频学习网站Google机器学习教程反向传播算法反向传播算法： 在神经网络上执行梯度下降法的主要算法。该算法会先按前向传播方式计算（并缓存）每个节点的输出值，然后再按反向传播遍历图的方式计算损失函数值相对于每个参数的偏导数。最常见的一种神经网络训练算法。借助这种算法，梯度下降法在多层神经网络中将成为可行方法。TensorFlow 可自动处理反向传播算法，因此您不需要对该算法作深入...原创 2019-02-16 00:32:43 · 309 阅读 · 1 评论 -
机器学习笔记（九）机器学习（运用逻辑回归解决分类问题）
主要来源：视频学习网站Google机器学习教程1. 阈值如果某个逻辑回归模型对某封电子邮件进行预测时返回的概率为 0.9995，则表示该模型预测这封邮件非常可能是垃圾邮件。相反，在同一个逻辑回归模型中预测分数为 0.0003 的另一封电子邮件很可能不是垃圾邮件。可如果某封电子邮件的预测分数为 0.6 呢？为了将逻辑回归值映射到二元类别，您必须指定分类阈值（也称为判定阈值）。如果值高于该阈值，则...原创 2019-02-15 00:24:44 · 3070 阅读 · 1 评论 -
机器学习笔记（八） 机器学习（逻辑回归-----计算概率）
主要来源：视频学习网站Google机器学习教程逻辑回归 (logistic regression)：一种模型，通过将 S 型函数应用于线性预测，生成分类问题中每个可能的离散标签值的概率。虽然逻辑回归经常用于二元分类问题，但也可用于多类别分类问题（其叫法变为多类别逻辑回归或多项回归）。许多问题需要将概率估算值作为输出。逻辑回归是一种极其高效的概率计算机制。实际上，您可以通过下两种方式之一使用返回...原创 2019-02-14 22:58:29 · 5711 阅读 · 1 评论 -
机器学习笔记（七）机器学习（L1,L2正则化----处理过拟合问题）
主要来源：视频学习网站Google机器学习教程L₂ 正则化请查看以下泛化曲线，该曲线显示的是训练集和验证集相对于训练迭代次数的损失。上图显示的是某个模型的训练损失逐渐减少，但验证损失最终增加。换言之，该泛化曲线显示该模型与训练集中的数据过拟合。根据奥卡姆剃刀定律，或许我们可以通过降低复杂模型的复杂度来防止过拟合，这种原则称为正则化。也就是说，并非只是以最小化损失（经验风险最小化）为目标...原创 2019-02-14 20:37:48 · 1037 阅读 · 1 评论 -
机器学习笔记（六）机器学习（特征组合--解决非线性问题）
主要来源：视频学习网站Google机器学习教程特征组合 (Feature Crosses)在机器学习中也常常要解决许多非线性问题，如：要解决图 2 所示的非线性问题，可以创建一个特征组合。特征组合：是指通过将两个或多个输入特征相乘来对特征空间中的非线性规律进行编码的合成特征。“cross”（组合）这一术语来自 cross product（向量积）。我们通过将 x1(横坐标)与 x2(纵...原创 2019-02-14 12:48:46 · 3831 阅读 · 2 评论 -
机器学习笔记（五） 机器学习（特征工程）
主要来源：视频学习网站Google机器学习教程将原始数据映射到特征传统编程的特征点是代码，而在机器学习项目中，关注点就是特征表示。也就是说，开发者通过添加或改善特征来调整模型；特征工程：指的是将原始数据转换为特征矢量。（往往特征工程会占用整个工作的大部分时间精力）许多机器学习模型都必须将特征表示为实数向量，因为特征值必须与模型权重相乘。下图左侧表示来自输入数据源的原始数据，右侧表示特征矢...原创 2019-02-14 01:01:52 · 650 阅读 · 1 评论 -
机器学习笔记(四) 机器学习（泛化,过拟合, 数据集，验证集，测试集）
泛化 (Generalization)泛化是指模型很好地拟合以前未见过的新数据（从用于创建该模型的同一分布中抽取）的能力。过拟合： 过拟合模型在训练过程中产生的损失很低，但在预测新数据方面的表现却非常糟糕，即泛化能力差；产生原因：过拟合是由于模型的复杂程度超出所需程度而造成的。机器学习的基本冲突是适当拟合我们的数据，但也要尽可能简单地拟合数据。奥卡姆的威廉是 14 世纪一位崇尚简单的修士...原创 2019-02-13 22:56:16 · 2784 阅读 · 1 评论 -
机器学习笔记(三) tensorflow的基本知识
tensorflow的基本结构tensorflow基本知识tf.estimator API的介绍我们将使用 tf.estimator 来完成机器学习速成课程中的大部分练习。您在练习中所做的一切都可以在较低级别（原始）的 TensorFlow 中完成，但使用 tf.estimator 会大大减少代码行数。概括而言，以下是在 tf.estimator 中实现的线性回归程序的格式：impo...原创 2019-02-13 18:56:48 · 215 阅读 · 1 评论 -
机器学习笔记（二）机器学习的基本知识入门
视频学习网站：Google机器学习教程这是我自己的随堂笔记。一 基本概念样品 数据的特征实例：定义为x标签 对特例进行的判断分类：定义为y有标签样本 具有{特征，标签}：（x,y）一般作为训练集使用无标签样本 具有{特征，？}：（x,？）一般作为测试集使用预测标签 通过训练的模型对无标签样本的预测：定义为y’模型 模型定义了特征与标签之间的关系，可以将样本映射到预测标签：...原创 2019-02-13 14:47:01 · 414 阅读 · 1 评论 -
机器学习笔记（一） MNIST入门
参考文档：tensorflow中文社区http://www.tensorfly.cn/tfdoc/tutorials/mnist_beginners.html一 导入tensorflow，MNIST数据集import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input...原创 2019-02-12 19:07:51 · 262 阅读 · 1 评论 -
《深度学习入门：基于Python的理论与实现》（deeplearning-from-scratch）下载mnist数据集的解决方案
在《深度学习入门：基于Python的理论与实现》章节的第三章就开始以MNIST数据集为基础编写代码。然而根据源码的操作，很有可能会出现mnist下载超时的情况。以下是解决方案：1. 获取代码读取数据集的路径以mnist_show.py为例：mnist_show.py源码：# coding: utf-8import sys, ossys.path.append(os.pardir) # 为了导入父目录的文件而进行的设定import numpy as npfrom dataset.mnist原创 2021-10-25 21:30:11 · 796 阅读 · 0 评论 -
AI&机器学习笔试题
快速复习原创 2022-09-16 00:29:33 · 891 阅读 · 0 评论 -
【面试】yolo相关面试问答
面试原创 2022-09-22 22:19:48 · 3765 阅读 · 0 评论