![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 74
Liu_Goodfellow
Healthy and happy every day
展开
-
有关于解决GAN中模型崩塌的一点方法
GAN好是好,但是这个模型崩塌我是真的头大,好好的一个模型跑着跑着就变全噪声了。最近在论文的阅读当中,发现了一篇文章《Progressive growth of glycine to improve quality, stability, and variability》是有关于如何改善辨别器中对于生成器的生成的一些无用信息的剔除。同时可以提高生成图像的分辨率以及增强图片中的纹理和细节。一、摘...原创 2019-05-29 21:38:48 · 6408 阅读 · 0 评论 -
《机器学习实战》笔记(十五):Ch15 - 大数据与MapReduce
暂未更新Github原创 2020-01-31 13:22:27 · 403 阅读 · 0 评论 -
《机器学习实战》笔记(十四):Ch14 - 利用SVD简化数据
暂未更新Github原创 2020-01-31 13:21:24 · 244 阅读 · 0 评论 -
《机器学习实战》笔记(十三):Ch13 - 利用PCA来简化数据
暂未更新Github原创 2020-01-31 13:19:57 · 321 阅读 · 0 评论 -
《机器学习实战》笔记(十二):Ch12 - 使用FP-growth算法来高效发现频繁项集
暂未更新Github原创 2020-01-31 13:18:54 · 571 阅读 · 0 评论 -
《机器学习实战》笔记(十一):Ch11 - 使用Apripri算法进行关联分析
暂未更新Github原创 2020-01-31 13:18:18 · 797 阅读 · 0 评论 -
《机器学习实战》笔记(九):Ch9 - 树回归
暂未更新代码托管见Github原创 2020-01-31 13:16:31 · 213 阅读 · 0 评论 -
《机器学习实战》笔记(十):Ch10 - 利用k-均值聚类算法对未标注数据分组
暂未更新代码托管见Github原创 2020-01-31 13:17:15 · 295 阅读 · 0 评论 -
《机器学习实战》笔记(八):Ch8 - 预测数值型数据:回归
暂未更新代码托管见Github原创 2020-01-31 13:15:41 · 320 阅读 · 0 评论 -
《机器学习实战》笔记(七):Ch7 - 利用AdaBoost元算法提高分类性能
暂未更新代码托管见Github原创 2020-01-31 13:14:57 · 228 阅读 · 0 评论 -
《机器学习实战》笔记(六):Ch6 - 支持向量机
暂未更新代码托管见Github原创 2020-01-31 13:13:31 · 388 阅读 · 0 评论 -
《机器学习实战》笔记(五):Ch5 - Logistic回归
暂未更新代码托管见Github原创 2020-01-31 13:11:48 · 182 阅读 · 0 评论 -
《机器学习实战》笔记(四):Ch4 - 基于概率论的分类方法:朴素贝叶斯
暂未更新代码托管见Github原创 2020-01-31 13:09:18 · 255 阅读 · 0 评论 -
《机器学习实战》笔记(三):Ch3 - 决策树
第三章 决策树(代码)决策树算法优缺点优点:计算复杂度不高,输出结果易于理解,对中间值不明干,可以处理不想管特征数据。缺点:可能会产生过度匹配。范围:数值型和标称型。信息增益原则: 将无序的数据变得更加有序。在划分数据集之前之后信息发生的变化熵: 信息的期望值,或者集合信息的度量方式。熵若数据都为一类,那么H=-1*log2(1)=0,不用任何信息就能区分这个数据。...原创 2020-01-31 13:08:26 · 227 阅读 · 0 评论 -
《机器学习实战》笔记(二):Ch2 - k-邻近算法
第二章 K-近邻算法(代码)K-近邻算法优缺点优点:精度高,对异常值步敏感,无数据输入假定。缺点:计算复杂度高,空间复杂度高。范围:数值型和标称型。测试分类器错误率是常用的评估方法,完美评估器为0,最差的评估器为1.0例子:使用k-近邻算法改进约会网站的配对效果准备数据:从文本数据中解析出数据,用numpy转化文本为矩阵,同时进行归一化数值操作(将对数据有影响的...原创 2020-01-31 13:07:33 · 230 阅读 · 0 评论 -
《机器学习实战》笔记(一):Ch1 - 机器学习基础
第一章机器学习基础([代码](https://github.com/shiyipaisizuo/machine_learning_in_action/tree/master/src/ch01)) - 熟悉[Python](https://www.python .org /)即可。 - 开发机器学习应用程序步骤 - < p > 1.收集数据。 - <原创 2020-01-31 13:05:37 · 224 阅读 · 0 评论 -
《机器学习实战》ch1 ~ ch15 笔记目录
机器学习实战笔记(附:源代码) 基于 GNU3.0 协议第一部分 分类第一章 机器学习基础(代码)熟悉Python即可。开发机器学习应用程序步骤1.收集数据。2.准备输入数据。3.分析输入数据。4.训练算法。5.测试算法。6.使用算法。掌握numpy函数库基础>> from numpy import *原创 2020-01-31 13:04:04 · 269 阅读 · 0 评论