机器学习
机器学习
_风过留声
这个作者很懒,什么都没留下…
展开
-
逻辑斯蒂回归模型
对于观察到的样本集{(xi,yi)}\{(x_i,y_i)\}{(xi,yi)},i=1,...,N.xi∈Rn,yi∈{0,1}i=1,...,N.x_i\in\R^n,y_i\in\{0,1\}i=1,...,N.xi∈Rn,yi∈{0,1},设这组数据的分布情况是满足二项逻辑斯蒂分布的,然后对他进行参数估计。设 P(Y=1∣x)=ewx1+ewx=π(x)P(Y=1|x)=\frac{e^{wx}}{1+e^{wx}}=\pi(x)P(Y=1∣x)=1+ewxewx=π(x) P(Y=0∣x原创 2020-07-25 23:28:12 · 268 阅读 · 0 评论 -
SVM
SVM推导 至于对于非线性的时候核函数的使用,将Ki,jK_{i,j}Ki,j换成几个常用的核函数试试就行了。不用LaTeX编辑公式就是快,不管了,反正写给自己看的,就这样吧^ - ^ 主要参考,李航的统计学习方法,以及自己的一些理解,可能会有偏差。 ...原创 2020-08-13 22:13:55 · 93 阅读 · 0 评论 -
pytorch(6)
莫烦pytorch学习记录--cnn #cnn.py import os import time import numpy as np import torch import torchvision import torch.nn as nn from torch.utils.data import DataLoader from torch.utils import data import torch.utils.data as Data from torch.autograd import Va原创 2020-11-17 22:37:28 · 149 阅读 · 1 评论 -
pytorch(5)
莫烦pytorch,集中优化方式的比较 #optimizer.py import torch import torch.nn.functional as F import torch.utils.data as Data import matplotlib.pyplot as plt from torch.autograd import Variable #hyper parameters LR=0.01 BATCH_SIZE=32 EPOCH=40 x=torch.unsqueeze(torch.原创 2020-11-04 23:12:26 · 127 阅读 · 0 评论 -
pytorch(四)
学习莫烦pytorch视频,部分函数写法进行更新 import torch import torch.utils.data as Data BATCH_SIZE=8 x=torch.linspace(1,10,10) y=torch.linspace(10,1,10) torch_dataset = Data.TensorDataset(x, y)#新版本直接用元组,(data_tensor=x, target_tensor=y) loader = Data.DataLoader( d原创 2020-11-02 22:53:28 · 108 阅读 · 0 评论 -
pytorch(三)
学习莫烦pytorch视频,训练好的网络进行保存和读取 #qd.py #classification.py import numpy as np import torch import torch.nn.functional as F from torch.autograd import Variable import matplotlib.pyplot as plt import math import pdb torch.manual_seed(1)#CPU设置种子用于生成随机数,随机值确原创 2020-10-27 21:54:12 · 103 阅读 · 0 评论 -
pytorch(二)
学习莫烦pytorch视频,部分代码进行注释 #classification.py import numpy as np import torch import torch.nn.functional as F from torch.autograd import Variable import matplotlib.pyplot as plt import math import pdb n_data = torch.ones(100,2) #pdb.set_trace() x0 = torch.原创 2020-10-26 23:10:22 · 98 阅读 · 0 评论 -
pytorch
学习莫烦的pytorch视频,对一些函数进行搜索,记录功能以及测试 import torch import numpy as np from torch.autograd import Variable import torch.nn.functional as F import matplotlib.pyplot as plt import pdb x=torch.unsqueeze(torch.linspace(-1,1,100),dim=1)#增加dim个维数,类似 int a=0==>int原创 2020-10-17 23:19:22 · 108 阅读 · 0 评论