Machine Learning
所追寻的风
https://blog.seekwind.icu
展开
-
pytorch多元分类iris
我们使用sklearn提供的iris数据作为训练数据。此处只是为了演示多元分类的基本操作,神经网络的结构在参数上可能存在一定的问题,期望批评指正。from sklearn.datasets import load_irisimport torchfrom torch import nn, optimimport numpy as npimport matplotlib.pyplot as pltclass MyNetwork(nn.Module): def __init__(self原创 2020-11-15 14:59:53 · 815 阅读 · 0 评论 -
支持向量机
支持向量机的优势:高维空间中高效,维度比样本数量多依然有效,内存利用高效。缺点:选择核函数避免过拟合。时间复杂度:线性1.4.1 分类from sklearn import svmdataSet = [ [ [0,0], [1,1] ], [ 0,1 ]]clf = svm.SVC(gamma='scale')clf.fit(dataSet[0], dataSet[1])print(clf.predict(dataSet[0]原创 2020-10-31 19:01:12 · 199 阅读 · 0 评论 -
整活NumPy
1. Introduction区别NumPy ndarray数组Python原生Array数组长度是否固定固定,若改变长度,则新建一个数组长度动态数组元素类型是否相同必须相同可以不同高级数学操作支持度高,效率高,代码量少支持度第,效率低,代码复杂为了实现高效的计算,很多科学计算库都使用NumPy作为计算的载体。即使是使用Python原生数组作为输入,内部也将其转化为numpy数组。当涉及到 ndarray 时,逐个元素的操作由预编译的C代码快速执行。原创 2020-10-26 14:48:18 · 205 阅读 · 0 评论 -
监督学习
1. 监督学习1.1 广义线性模型y是x的线性组合y^(w,x)=w0+w1xp+...+wpxp\hat{y}(w, x) = w_0 + w_1 x_p+...+w_p x_py^(w,x)=w0+w1xp+...+wpxp。求解y与x的回归问题。定义向量w=(w1,...,wp)w = (w_1, ..., w_p)w=(w1,...,wp)作为coef_定义w0w_0w0作为intercept_1.1.1 普通最小二乘法追求残差平方和最小。from sklearn原创 2020-10-24 21:25:43 · 135 阅读 · 0 评论