- 博客(28)
- 收藏
- 关注
RSS订阅转载 Google---机器学习速成课程(十)- 分类 (Classification)
分类 (Classification)介绍了如何使用逻辑回归来执行分类任务，并探讨了如何评估分类模型的有效性。学习目标评估逻辑回归模型的准确率和精确率。了解 ROC 曲线和曲线下面积。-------------------------------------------------------分类 (Classification)：指定阈值逻辑回归返回的是概率。我们可以“原样”使用返回的概率（例如...
2018-03-29 16:28:31
557
原创 win10系统双屏如何设置不同的桌面
win10系统双屏如何设置不同的桌面，多屏幕以此类推1.桌面右键打开个性化2.在你想设置的桌面图片上面右键，选择即可完成啦！
2018-03-26 17:31:47
20363
4
转载 Google---机器学习速成课程(九)- 逻辑回归 (Logistic Regression)
逻辑回归 (Logistic Regression)逻辑回归会生成一个介于 0 到 1 之间（不包括 0 和 1）的概率值，而不是确切地预测结果是 0 还是 1。以用于检测垃圾邮件的逻辑回归模型为例。如果此模型推断某一特定电子邮件的值为 0.932，则意味着该电子邮件是垃圾邮件的概率为 93.2%。更准确地说，这意味着在无限训练样本的极限情况下，模型预测其值为 0.932 的这组样本实际上有 93...
2018-03-26 10:07:07
249
转载 Google---机器学习速成课程(八)- 简化正则化 (Regularization for Simplicity)
简化正则化 (Regularization for Simplicity)正则化指的是降低模型的复杂度以减少过拟合学习目标了解复杂度与泛化之间的权衡。使用 L2 正则化进行实验。-----------------------------------------------------简化正则化 (Regularization for Simplicity)：L₂ 正则化请看以下泛化曲线，该曲线显示...
2018-03-25 10:28:57
332
转载 Google---机器学习速成课程(七)- 特征组合 (Feature Crosses)
特征组合 (Feature Crosses) 特征组合是指两个或多个特征相乘形成的合成特征。特征的相乘组合可以提供超出这些特征单独能够提供的预测能力。学习目标了解特征组合。在 TensorFlow 中实施特征组合。-----------------------------------------------------特征组合 (Feature Crosses)：对非线性规律进行编码 ...
2018-03-24 21:50:35
2322
原创 Python3 求最大/小值及索引值 Numpy
若寻找一个列表的最大（小）值及其对应的索引：list = [9, 12, 88, 14, 25]max_list = max(list) # 返回最大值max_index = list.index(max(list))# 最大值的索引# 最小的话 max换成min若是numpy中arrary的类型# 把array转换为list,按以上方法import numpy...
2018-03-24 11:08:12
128920
2
转载 Google---机器学习速成课程(六)- 表示 (Representation)
机器学习模型不能直接看到、听到或感知输入样本。所以我们必须创建数据表示，为模型提供有用的信号来了解数据的关键特性。也就是说，为了训练模型，您必须选择最能代表数据的特征集。学习目标将日志和 Protocol Buffer 中的字段映射到实用的机器学习特征。判断哪些特性可用作合适的特征。处理离群值特征。调查数据集的统计属性。使用 tf.estimator 训练并评估模型。---------------...
2018-03-22 20:34:22
664
转载 Google---机器学习速成课程(五)-测试集/训练集/验证集Training Test and Validation Sets
测试集是用于评估根据训练集开发的模型的数据集。学习目标了解将数据集分成训练集和测试集的优势。上一单元介绍了将数据集分为两个子集的概念：训练集 - 用于训练模型的子集。测试集 - 用于测试训练后模型的子集。您可以想象按如下方式拆分单个数据集：图 1 将单个数据集拆分为一个训练集和一个测试集。确保测试集满足以下两个条件：规模足够大，可产生具有统计意义的结果。能代表整个数据集。换言之，挑选的测试集的特征...
2018-03-22 16:00:12
853
转载 CNN(卷积神经网络)是什么？原理/作用和实现方法。
转载整理自机器之心发布于知乎的答案点击打开链接，侵删！深度 | 从入门到精通：卷积神经网络初学者指南点击打开链接 作者：Adit Deshpande 机器之心编译 参与：牛春雨、Quantum、原野、吴攀、李亚洲 这是一篇向初学者讲解卷积神经网络的系列文章，机器之心编译了已经发表...
2018-03-18 22:45:50
1998
转载 Google---机器学习速成课程(四)-泛化Generalization
泛化（Generalization）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。学习目标直观理解过拟合。确定某个模型是否出色。将数据集划分为训练集和测试集。过拟合现象，虽然损失函数值很低，但是泛化能力很差，所以模型在预测新的数据会表现的很糟糕奥卡姆的威廉是 14 世纪一位崇尚简单的修士和哲学家。他认为科学家应该优先采用更简单（而非更复杂）的公式或理论。奥卡姆剃刀...
2018-03-16 10:08:55
353
转载 Google---机器学习速成课程(3.3)-合成特征和离群值
请按照指定顺序运行以下三项练习：Pandas 简介。 Pandas 是用于进行数据分析和建模的重要库，广泛应用于 TensorFlow 编码。该教程提供了您学习本课程所需的全部 Pandas 信息。如果您已了解 Pandas，则可以跳过此练习。使用 TensorFlow 的起始步骤。此练习介绍了线性回归。合成特征和离群值。此练习介绍了合成特征，以及输入离群值会造成的影响。（本篇介绍这节）-----...
2018-03-16 09:47:51
691
转载 Google---机器学习速成课程(3.2)-TF
请按照指定顺序运行以下三项练习：Pandas 简介。 Pandas 是用于进行数据分析和建模的重要库，广泛应用于 TensorFlow 编码。该教程提供了您学习本课程所需的全部 Pandas 信息。如果您已了解 Pandas，则可以跳过此练习。使用 TensorFlow 的起始步骤。此练习介绍了线性回归。本篇介绍合成特征和离群值。此练习介绍了合成特征，以及输入离群值会造成的影响。---------...
2018-03-15 23:01:54
489
转载 Google---机器学习速成课程(3.1)-TF/Pandas
使用 TensorFlow 的起始步骤学习目标了解如何在 TensorFlow 中创建和修改张量。了解 Pandas 的基础知识。使用 TensorFlow 的一种高级 API 开发线性回归代码。尝试不同的学习速率。-------------------------------------------------------下图显示了 TensorFlow 工具包的当前层次结构：图 1 tenso...
2018-03-15 16:44:26
382
转载 Google---机器学习速成课程(二)-SGD
4. 降低损失 reducing loss为了训练模型，我们需要一种可降低模型损失的好方法。迭代方法是一种广泛用于降低损失的方法，而且使用起来简单有效。学习目标了解如何使用迭代方法来训练模型。全面了解梯度下降法和一些变体，包括：小批量梯度下降法随机梯度下降法尝试不同的学习速率。-------------------------------------------------------降低损失：迭...
2018-03-14 10:40:28
260
原创 GAN调研
拜读了好多大神总结的GAN文章，做一个简单的记录整理，以便日后翻看查阅。如果不小心侵权，请见谅，联系我马上删除！---------------------------------------------综述 | 一文帮你发现各种出色的GAN变体http://www.sohu.com/a/130353128_465975如果对 GAN 的基本实现感兴趣，这里是一些简短代码的链接：Tensorflow...
2018-03-12 22:42:21
683
转载 Google---机器学习速成课程(一)-基本概念
1. 介绍机器学习了解掌握ML优势理解ML背后理念-----------------------------------------------------------------------2. 框架处理探讨如何将某个任务构建为ML问题，并介绍各种ML方法中通用基本词语。监督学习supervised learning----------------------------------------...
2018-03-12 22:12:53
256
转载 cs231n---线性分类教程（第三弹）-终
Softmax分类器SVM是最常用的两个分类器之一，而另一个就是Softmax分类器，它的损失函数与SVM的损失函数不同。对于学习过二元逻辑回归分类器的读者来说，Softmax分类器就可以理解为逻辑回归分类器面对多个分类的一般化归纳。SVM将输出作为每个分类的评分（因为无定标，所以难以直接解释）。与SVM不同，Softmax的输出（归一化的分类概率）更加直观，并且从概率上可以解释，这一点后文会讨论...
2018-03-11 22:26:24
191
转载 UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb8 in position 0: invalid start byte
参考尝试了以下几位博主的经验：1. 点击打开链接 2. 点击打开链接我目前发现还是会报错，所以目前处理将文本中中文替换成英文以后，报错没有了。希望遇到相同问题的小伙伴们 谁解决了 能一起讨论下！！谢谢...
2018-03-10 22:29:49
8972
1
原创 python3: 将txt中数据导入csv中
在实际操作中想报把txt中数据导入csv中，具体操作如下：import csv# attention! 设置newline，否则会出现两行之间有一行空行with open('test.csv', 'w', newline='') as csvfile: writer = csv.writer(csvfile) data = open('17-32.txt') # 改成自己的路...
2018-03-10 22:24:42
1609
转载 cs231n---线性分类教程（第二弹）
损失函数 Loss function第一弹中我们定义了从图像像素值到所属类别的评分函数（score function），该函数的参数是权重矩阵。在函数中，数据是给定的，不能修改。但是我们可以调整权重矩阵这个参数，使得评分函数的结果与训练数据集中图像的真实类别一致，即评分函数在正确的分类的位置应当得到最高的评分（score）。回到之前那张猫的图像分类例子，它有针对“猫”，“狗”，“船”三个类别的分数...
2018-03-09 10:23:02
262
原创 TypeError: 'float' object cannot be interpreted as an integer
在运行网上代码出现以下错误：---------------------------------------------------------------------------TypeError Traceback (most recent call last)<ipython-input-32-3c49f9c410ab...
2018-03-08 15:59:56
42671
3
转载 cs231n---线性分类教程（第一弹）
上一篇笔记介绍的图像分类问题，我们分析了NN的优缺点，所以我们需要一种更强大的方法来解决图像分类问题，该方法可以自然地延伸到神经网络和卷积神经网络上。这种方法主要有两部分：评分函数（score function），它是原始图像数据到类别分值的映射。损失函数（loss function），它是用来量化预测分类标签的得分与真实标签之间一致性的。该方法可转化为一个最优化问题，在最优化过程中，将通过更新评...
2018-03-05 20:33:59
203
转载 cs231n---图像分类笔记（第二弹）--终
k-NN分类器需要设定k值，选择哪个k值最合适呢？我们选择不同距离函数，如L1范数和L2范数等，选哪个好？还有不少选择我们甚至连考虑都没有考虑到（比如：点积）。所有这些选择，被称为超参数（hyperparameter）。在基于数据进行学习的机器学习算法设计中，超参数是很常见的。这些超参数具体怎么设置或取值并不显而易见。特别注意：决不能使用测试集来进行调优。会造成算法对测试集过拟合。测试数据集只使用...
2018-03-04 20:59:05
166
转载 cs231n---图像分类笔记（第一弹）
图像分类目标：已有固定分类标签集合，对输入的图像，从分类标签集合中找出一个分类标签，最后把分类标签分配给该输入图像。这是计算机视觉领域核心问题之一。后面许多看似不同的问题（物体检测和分割）都可被归结为图像分类困难和挑战：视角变化（Viewpoint variation）大小变化（Scale variation）形变（Deformation）遮挡（Occlusion）光照条件(Illuminatio...
2018-03-04 20:27:02
353
1
转载 cs231n---Python Numpy教程（第三弹）---终
下面介绍一下SciPynumpy提供了高性能得多维数组，以及计算和操作数组得基本工具。SciPy基于numpy，提供了大量得计算和操作数组得函数，这些函数对于不同类型得科学和工程计算非常有用。熟悉SciPy的最好方法就是阅读文档。这里强调得是对于本课程有用的部分。图像操作SciPy提供了一些操作图像得基本函数。比如，将图像从硬盘读入到数组得函数，也提供了将数组中数据写入到硬盘成为图像得函数：# S...
2018-03-02 16:40:47
437
原创 利用matlab中的regress回归分析 拟合曲面（得到方程系数）以及残差图
今天遇到要用matlab拟合曲面。至少要三个点才能确定个面。两个点的话，有多个面。利用matlab中的regress回归分析拟合曲面（得到方程系数）以及残差图。matlab代码如下：% 示例数据，随便编的a1 = 76 ;b1 = 72 ; a2 = 59 ;b2 = 113; a3 = 48 ;b3 = 63 ; a4 = 66 ;b4 = 158; a5 = 92 ;b5 = 166...
2018-03-01 21:56:02
21641
1
转载 cs231n---Python Numpy教程（第二弹）
Numpy库：它提供了高性能的多维数组对象，以及相关工具。数组array一个numpy数组是一个由不同数值组成的网格。网格中的数据都是同一种数据类型，可以通过非负整型数的元组来访问。维度的数量成为数组的阶。数组大小是一个由整型数构成的元组，可以描述数组不同维度上的大小。从列表创建数组，利用方括号[]访问其中元素：# 数组arrayimport numpy as npa = np.array(...
2018-03-01 11:09:14
497
原创 np.newaxis和np.tile
np.newaxisimport numpy as npa = np.array([0.0, 10.0, 20.0, 30.0])b = np.array([1.0, 2.0, 3.0])a[:, np.newaxis] + b# array([[ 1., 2., 3.],# [ 11., 12., 13.],# [ 21., 22., 23...
2018-03-01 10:39:09
231
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人