人工智能
奶萌奶萌的奶茶本萌
每天都有努力学习
展开
-
安装TensorFlow随笔(windows下Anaconda3+tensorflow1.11.0)
背景: 已安装18年最新版Anaconda3,5.3版本python 3.7 version,发布于2018年9月28日 conda版本为4.5.11,准备安装TensorFlow~ 1.查看conda版本 准备工作:提前添加好环境变量(不赘述),记得包括Anaconda3文件下面的Scripts文件夹 打开cmd,输入conda --version得到版本号,我的版本号显然就是4...原创 2018-11-01 19:40:09 · 1376 阅读 · 0 评论 -
机器学习理论与实践-01-梯度下降法与损失函数
0. 视频资料:吴恩达机器学习课程 https://www.coursera.org/learn/machine-learning/lecture/db3jS/model-representation 1.损失函数与梯度下降法 损失函数:平方误差函数,用来衡量h(x)的准确性 梯度下降法,不断更新学习参数,使损失函数不断变小,直至最小 两者结合:应用梯度下降法以最小化平方...原创 2018-11-23 21:19:55 · 1303 阅读 · 0 评论 -
机器学习理论与实践-02-normal equation正规方程
0. 视频资料:吴恩达机器学习课程 https://www.coursera.org/learn/machine-learning/lecture/2DKxQ/normal-equation 1.正规方程 2.正规方程的得出过程 鉴于视频中是直接给出的θ求解公式,不够直观,因此具体了解了下该公式的导出 该公式的最直接导出是对损失函数进行求导得到的,即矩阵求导 为了加强...原创 2018-11-23 22:32:42 · 161 阅读 · 0 评论 -
tensorflow入门-01-逻辑回归拟合实例与模型初步理解
1.理解初步 一个标准的模型汇总有三个部分:输入、中间节点、输出 TensorFlow让一个标准的模型中的各部分联通起来学习规则并可以进行计算。 中间节点及节点间的运算关系OPS定义在图上,全通过一个会话session进行图中OPS的具体计算。 ——图是静态的搭建,启动会话后数据流向图中 ——数据流图技术进行数值计算 ——有向图中,节点通常代表数学运算,边表示节点之间的某种联系,它负责...原创 2018-11-19 16:34:41 · 337 阅读 · 0 评论 -
机器学习理论与实践-03-逻辑回归与分类问题
0. 视频资料:吴恩达机器学习课程 https://www.coursera.org/learn/machine-learning/lecture/wlPeP/classification 1.用于解决分类问题的逻辑回归 在分类问题中 二分类: 首先,利用h(x)呈现的是y预测为1的概率,利用了sigmoid函数 随后,利用0.5设界,进行判决 最后,利用已有数据集估计θ,划...原创 2018-11-29 22:28:53 · 294 阅读 · 0 评论 -
机器学习理论与实践-05-神经网络(1)
0. 视频资料:吴恩达机器学习课程 https://www.coursera.org/learn/machine-learning/lecture/OAOhO/non-linear-hypotheses 1.神经网络初步 神经网络十分适用于解决复杂的非线性分类问题,因为前面所学的逻辑回归在解决非线性问题上愈发复杂。 神经网络的历史此处略过不提,他主要是要模拟大脑的功能,并从简单的一...原创 2018-12-04 22:10:28 · 194 阅读 · 0 评论 -
机器学习理论与实践-06-学习算法的评估与改进
0. 视频资料:吴恩达机器学习课程 https://www.coursera.org/learn/machine-learning/lecture/1z9WW/backpropagation-algorithm 1.模型选择问题(评估) ①将数据集划分为两个部分: 训练集training set——70% 测试集test set——30% 用测试集来验证假设的表现,去拟合参数,...2018-12-13 19:06:11 · 246 阅读 · 0 评论 -
机器学习理论与实践-05-神经网络(2)含BP算法
0. 视频资料:吴恩达机器学习课程 https://www.coursera.org/learn/machine-learning/lecture/1z9WW/backpropagation-algorithm 1.多分类问题引出多层神经网络(更复杂的网络) 在多分类问题中,如果有k种分类,最后输出的是一个k维向量 同时根据逻辑回归的损失函数给出多分类问题的损失函数如①中所示 正...原创 2018-12-11 21:52:28 · 178 阅读 · 0 评论