![](https://img-blog.csdnimg.cn/20190918140037908.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
文章平均质量分 58
机器学习
@尚码哥@
这个作者很懒,什么都没留下…
展开
-
AttributeError: module ‘keras.backend‘ has no attribute ‘control_flow_ops‘
报错:Using TensorFlow backend.WARNING:tensorflow:From /tensorflow-1.15.2/python3.7/tensorflow_core/python/ops/resource_variable_ops.py:1630: calling BaseResourceVariable.__init__ (from tensorflow.python.ops.resource_variable_ops) with constraint is depreca原创 2021-07-14 16:39:20 · 763 阅读 · 0 评论 -
过拟合、欠拟合的通俗理解!过拟合和欠拟合的解决办法,以及dropout和正则化的讲解,代码实现(对于mnist数据集)!
这里写目录标题一 、过拟合、欠拟合的通俗理解二、欠拟合和过拟合的解决办法一、欠拟合二、过拟合一 、在网络深度中加入dropout()层次二、正则化一、L2正则化:二、图像增强三、模型参数的选择一、首先开发一个过拟合模型二、抑制过拟合三 、参数选择四、代码证明(dropout)一 、过拟合、欠拟合的通俗理解一味追求提高对训练数据的预测能力,所选模型的复杂度则 往往会比真模型更高。这种现象称为过拟合(over-fitting)。过拟合 是指学习时选择的模型所包含的参数过多,以致于出现这一模型对已 知数据预测原创 2021-01-27 13:02:35 · 7527 阅读 · 1 评论 -
adaboost算法MATLAB实现!李航统计学习例子matlab实现!
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、例子二、算法实现结果前言提升方法基于这样一种思想:对于一个复杂任务来说,将多个专 家的判断进行适当的综合所得出的判断,要比其中任何一个专家单独 的判断好。实际上,就是“三个臭皮匠顶个诸葛亮”的道理。这里主要是对李航统计学习书上的例子复现,对于理论不做介绍。一、例子二、算法实现代码如下(示例):clcclear%初始权重w = [1 1 1 1 1 1 1 1 1 1];%对应的输出H = [];原创 2020-12-17 15:55:58 · 1132 阅读 · 2 评论 -
AdaBoost算法讲解以及MATLAB实现
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录一、算法描述二、算法步骤是什么?三、数据集说明(可以自己增加数据集)四、算法实现MATLAB1.主函数2.找到误差率最小的弱函数3.分别计算弱分类函数,并计算其误差率六、结果演示一、算法描述AdaBoost,是英文"Adaptive Boosting"(自适应增强)的缩写,由Yoav Freund和Robert Schapire在1995年提出。它的自适应在于:前一个基本分类器分错的样本会得到加强,加权后的全体样本再次被用来训原创 2020-12-17 15:23:58 · 2870 阅读 · 1 评论 -
提升方法AdaBoost算法,python完整代码实现!!!!!!,代码详细,好理解。
提升方法AdaBoost算法文章目录前言一、代码实现二、运行结果前言提升方法基于这样一种思想:对于一个复杂任务来说,将多个专 家的判断进行适当的综合所得出的判断,要比其中任何一个专家单独 的判断好。实际上,就是“三个臭皮匠顶个诸葛亮”的道理。一、代码实现iris数据集共有四个特征,该代码分别采取iris的0,1 和 2,3两个特征,分别用sklearn中的AdaBoostClassifier进行分类,并打分,并可视化。详细代码如下。from matplotlib import pyplot a原创 2020-11-19 09:47:35 · 970 阅读 · 1 评论 -
最大熵模型怎么理解?熵是什么??
最大熵模型怎么理解?熵是什么??最大熵模型的理解!以及熵的理解!前言一、熵是什么?二、最大熵原理是什么三、最大熵模型的定义前言最大熵模型在机器学习里面很重要,很重要,很重要(重要的事情说三遍)!但是也比较难理解。很多人连熵代表混乱度都没法理解,所以写这篇文章,希望可以帮助你们理解!一、熵是什么?首先我们来看一个简单的列子:u1,u2,u3…为输入,v1,v2,v3…为输出。p1,p2,p3…代表u1,u2,u3…发生的概率。易知:这里的 I(ui)代表的是信息发生前的不确定性。很容易原创 2020-11-06 23:38:16 · 2462 阅读 · 5 评论 -
什么是CART算法?怎么对CART进行建树?怎么对CART进行减枝叶?CART Python实现代码
什么是CART算法?怎么对CART进行建树?怎么对CART进行减枝叶?CART Python实现代码一.什么是决策树?二.什么是CART树三.基尼指数四.基尼指数在这里为什么Gini(D)系数越小,样本纯度越高?五.什么是剪枝?六.为什么需要剪枝叶?七. 如何去剪枝八. 后剪枝是根据什么来剪枝的?九,测试结果十. 代码一.什么是决策树?决策树是一种基本的分类与回归方法。决策树的生成算法主要有ID3,C4.5和CART等。决策树是一种树形结构,每一个内部的节点代表的是样本特征属性上的判断,每一个分支是根据原创 2020-10-30 23:44:54 · 1039 阅读 · 1 评论