![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 86
诺亚方包
这个作者很懒,什么都没留下…
展开
-
python安装davisinteractive模块
python安装davisinteractive模块原创 2022-09-29 21:04:32 · 1180 阅读 · 0 评论 -
PyTorch——手写数字识别
目录PyTorch 学习 —— 手写数字识别Ⅰ. 数据读取器1. 训练集2. 验证集和测试集Ⅱ. 搭建网络Ⅲ. 模型训练1. 开始训练2. 模型验证Ⅲ. 模型测试Ⅳ. 绘制图像Ⅴ. 完整代码PyTorch 学习 —— 手写数字识别 MNIST 数据集,其包含70000 个28×28 的手写数字的数据集,其中又分为60000 个训练样本与10000 个测试样本。Ⅰ. 数据读取器import torchfrom torch import nnfrom torch import optimfro原创 2021-08-29 15:31:13 · 5509 阅读 · 2 评论 -
《机器学习》学习笔记(第七章)
目录第七章 贝叶斯分类器7.1 贝叶斯决策论7.2 极大似然估计(Maximum Likelihood Estimation,简称MLE)7.3 朴素贝叶斯分类器(naive Bayes classifier)7.4 半朴素贝叶斯分类器(semi-naive Bayes classifiers)7.5 贝叶斯网(Bayesian network)7.5.1 结构7.5.2 学习7.5.3 推断(inference)第七章 贝叶斯分类器7.1 贝叶斯决策论先验概率:在实际观察之前对某种状态的预期;原创 2021-07-25 09:34:42 · 469 阅读 · 1 评论 -
《机器学习》学习笔记(五、六章)
目录第五章 神经网络5.1 神经元(neuron)模型5.2 感知机(Perceptron)与多层网络5.3 误差逆传播(error BackPropagation,简称BP)算法(反向传播算法)5.4 全局最小与局部极小5.6 深度学习(deep learning)第五章 神经网络 “神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应”5.1 神经元(neuron)模型 神经元接收到来自n个其他神经元传递过来的输入信号,原创 2021-06-25 14:51:31 · 268 阅读 · 1 评论 -
《机器学习》学习笔记——BP网络算法实践
目录1 载入数据2 网络参数初始化3 开始训练3 开始测试4 测试结果5 完整代码 在《机器学习》第五章学习了反向传播算法与BP网络的结构,在此试着用Python搭建一个BP网络。数据集分别使用之前所涉及的西瓜数据集和马疝病数据集:机器学习经典二分类数据集——马疝病数据集.zip 关于具体的算法实现逻辑参考《机器学习》书上的流程:1 载入数据 由于数据集文件中的内容的每一行都代表一条数据,其中最后面的元素代表样本的正/负,即标签。前面其他的元素都是属性取值,故我们需要将数据集文件进行读取原创 2021-06-20 20:49:42 · 600 阅读 · 3 评论 -
《机器学习》学习笔记——决策树学习算法实践
目录1 载入数据2 判断是否需要选择最优划分属性3 选择最优划分属性4 枝繁叶茂5 高耸入云 在《机器学习》第四章学习了决策树算法,对此很感兴趣。我决定用Python编写一个决策树生成程序,数据集就是西瓜书上的表4.1 西瓜数据集2.0与表4.3 西瓜数据集3.0西瓜数据集3.0只是比西瓜数据集2.0多了两栏“密度”与“含糖率”的属性,其他属性取值一致。关于具体的决策树算法的逻辑,则主要参考西瓜书的图4.2 决策树学习基本算法1 载入数据 首先要把Excel表格里面的数据集载入到程序原创 2021-06-17 19:12:35 · 1176 阅读 · 5 评论 -
《机器学习》学习笔记(三、四章)
目录3 线性模型3.1 基本形式3.2 线性回归(linear regression)3.3 对数几率回归(logistic regression)3.4 线性判别分析(Linear Discriminant Analysis,简称LDA)3.5 多分类学习3.6 类别不平衡(class-imbalance)问题4 决策树(decision tree)4.1 基本流程4.2 划分选择4.2.1 信息增益(information gain)4.2.2 增益率(gain ratio)4.2.3 基尼指数(Gin原创 2021-06-17 19:06:03 · 195 阅读 · 1 评论 -
《机器学习》学习笔记(一、二章)
目录1 绪论1.1 假设空间(hypothesis space)1.2 归纳偏好(inductive bias)2 模型评估与选择2.1 经验误差(empirical error)与过拟合(overfitting)2.2 评估方法2.2.1 留出法(hold-out)2.2.2 交叉验证法(cross validation)2.2.3 自助法(bootstrapping)2.2.4 调参(parameter tuning)与最终模型2.3 性能度量(performance measure)2.3.1 错误率原创 2021-06-17 19:00:37 · 330 阅读 · 2 评论