![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 66
AI_王布斯
这个作者很懒,什么都没留下…
展开
-
2021-10-24
record 1024原创 2021-10-24 21:39:41 · 67 阅读 · 0 评论 -
算法-快速排序
简述快速排序过程 1)选择一个基准元素,通常选择第一个元素或者最后一个元素, 2)通过一趟排序将待排序的记录分割成独立的两部分,其中一部分记录的元素值均比基准元素值小。另一部分记录的元素值比基准值大。 3)此时基准元素在其排好序后的正确位置 4)然后分别对这两部分记录用同样的方法继续进行排序,直到整个序列有序。 ...原创 2021-09-17 21:53:54 · 72 阅读 · 0 评论 -
机器学习-感知机
什么是感知机? 感知机(Perceptron),又称神经元(Neuron,对生物神经元进行了模仿)是神 经网络(深度学习)的起源算法,1958年由康奈尔大学心理学教授弗兰克·罗森布拉 特(Frank Rosenblatt)提出,它可以接收多个输入信号,产生一个输出信号。 其中,x1和x2称为输入,w1和w2为权重,θ为阈值,y为输出。 神经元更为通用的表达式: 感知机的功能 作为分类器/回归器,实现自我学习 实现逻辑运算,包括逻辑和(AND)、逻辑或(OR) 组成神经网络 神经元作为分类器/回归器原创 2021-08-29 11:30:36 · 282 阅读 · 0 评论 -
深度学习-卷积神经网络
为什么用CNN 我们都知道CNN常常被用在影像处理上,如果你今天用CNN来做影像处理,当然也可以用一般的neural network来做影像处理,不一定要用CNN。比如说你想要做影像的分类,那么你就是training一个neural network,input一张图片,那么你就把这张图片表示成里面的pixel,也就是很长很长的vector。output就是(假如你有1000个类别,output就是1000个dimension)dimension。那我相信根据刚才那堂课内容,若给你一组training dat原创 2021-08-28 20:57:15 · 244 阅读 · 0 评论 -
机器学习-逻辑回归
什么是逻辑回归? 逻辑回归(Logistic Regression) 虽然被称为回归,但其实际上是分类模型,常用于二分类。逻辑回归因其简单、可并行化、可解释强而受到广泛应用。二分类(也称为逻辑分类)是常见的分类方法,是将一批样本或数据划分到两个类别,例如一次考试,根据成绩可以分为及格、不及格两个类别,这就是逻辑分类,将连续值映射到两个类别中。 逻辑函数 逻辑回归是一种广义的线性回归,其原理是利用线性模型根据输入计算输出(线性模型输出值为连续),并在逻辑函数作用下,将连续值转换为两个离散值(0或1),其表达式原创 2021-08-28 17:36:53 · 94 阅读 · 0 评论 -
TensorFlow-张量3
操作形状 Reshaping a tensor is of great utility. import tensorflow as tf # Shape returns a `TensorShape` object that shows the size on each dimension var_x = tf.Variable(tf.constant([[1], [2], [3]])) print(var_x.shape) # result: (3,1) 将张量转换为python列表。 # You ca原创 2021-08-27 11:29:30 · 201 阅读 · 0 评论 -
深度学习-Optimization-Local Minimum And Saddle Point
训练失败的原因 现在我们要讲的是Optimization的部分,所以我们要讲的东西基本上跟Overfitting没有什麼太大的关联,我们只讨论Optimization的时候,怎麼把gradient descent做得更好,那為什麼Optimization会失败呢? 你常常在做Optimization的时候,你会发现,随著你的参数不断的update,你的training的loss不会再下降,但是你对这个loss仍然不满意,就像我刚才说的,你可以把deep的network,跟linear的model,或比较s原创 2021-08-24 12:08:50 · 351 阅读 · 0 评论 -
深度学习-starting
深度学习的发展趋势 回顾一下deep learning的历史: 1958: Perceptron (linear model) 1969: Perceptron has limitation 1980s: Multi-layer perceptron Do not have significant difference from DNN today 1986: Backpropagation Usually more than 3 hidden layers is not helpful 19原创 2021-08-22 21:34:10 · 71 阅读 · 0 评论 -
机器学习-决策树
决策树 1.什么是决策树? 决策树是一种常见的机器学习方法,其核心思想是相同(或相似)的输入产生相同(或相似)的输出,通过树状结构来进行决策,其目的是通过对样本不同属性的判断决策,将具有相同属性的样本划分到一个叶子节点下,从而实现分类或回归. 以下西瓜分类的决策树模型图。 在上述示例模型中,通过对西瓜一系列特征(色泽、根蒂、敲声等)的判断,最终我们得出结论:这是否为一个好瓜. 决策过程中提出的每个判定问题都是对某个属性的“测试”,例如“色泽=?”,“根蒂=?”. 每个测试的结果可能得到最终结论,也可能需要原创 2021-08-21 21:28:04 · 467 阅读 · 0 评论 -
机器学习介绍&定义
机器学习day01机器学习介绍&意义机器学习的分类监督学习非监督学习为什么要进行机器学习? 机器学习介绍&意义 机器学习的定义是:对某类任务T(task)和某型性能评价标准(performance),如果一个计算机在程序T上用P作为i性能评价指标,在经验E(experience)的积累下不断地自我完善,那么称计算机程序T从经验E中得到了学习。 机器学习的分类 监督学习 在经过标注的情况下,对模型进行训练,根据输出进行调整、优化的学习方式叫做监督学习。 比如在猫狗分类的问题上,事先对将要分类原创 2021-08-16 10:17:47 · 448 阅读 · 0 评论 -
机器学习-线性回归
机器学习-线性回归 定义 线性模型描述的了一个(或者多个)自变量对另一个因变量的影响是成简单的线性比例。 回归就是找到一个函数,通过输入特征输出一个数值。 示例 1.股市预测 输入:过去十年的股市变动、新闻资讯、公司财报等。 输出:预测明天股市的平均值 2.商品推荐 输入:过去十年的股市变动、新闻资讯、公司财报等。 输出:预测明天股市的平均值 模型步骤 第一步:模型假设,选择模型框架(线性模型) 第二步:模型评估,如何判断众多模型的好坏(损失函数) 第三步:模型优化,如何筛选最优的模型(梯度下原创 2021-08-17 10:18:41 · 95 阅读 · 0 评论