AI学习
文章平均质量分 68
薛定谔的猫1992
一个正在学习AI的菜鸟程序员
展开
-
深度学习循环神经网络
表示输入数据和对应的标签。然后,我们创建了一个LSTM循环神经网络,通过循环神经元来存储状态信息,并根据当前输入和前一个状态来计算当前状态。接着,我们创建了一个全连接层,将最后一个时间步的输出连接到一个全连接层上。与传统的前馈神经网络不同,循环神经网络的输入不仅取决于当前输入,还取决于之前的状态。其中循环层是循环神经网络的核心部分,主要通过循环神经元来存储状态信息,并根据当前输入和前一个状态来计算当前状态。相比于传统的机器学习算法,循环神经网络可以自动学习到序列数据中的时序信息,从而提高了模型的性能。原创 2023-07-06 10:39:11 · 835 阅读 · 0 评论 -
深度学习卷积神经网络
表示输入数据和对应的标签。然后,我们创建了两个卷积层,每个卷积层包含一个卷积操作和一个最大池化操作。接着,我们创建了一个全连接层,将特征图展平后连接到一个全连接层上。它主要是通过卷积操作来提取图像中的特征,然后通过池化操作将特征图进行压缩,最后通过全连接层进行分类或回归等任务。其中卷积层是卷积神经网络的核心部分,主要通过卷积操作来提取图像的特征,卷积核的参数可以自动学习得到。相比于传统的机器学习算法,卷积神经网络不需要手工提取图像的特征,而是可以自动学习到更加有效的特征,从而提高了模型的性能。原创 2023-07-06 10:36:05 · 278 阅读 · 0 评论 -
深度学习神经网络
上述代码中,我们将标签转换为one-hot编码,然后比较预测值和真实值的索引是否相同,最终计算准确率。需要注意的是,上述代码适用于多分类任务,如果是二分类任务或者回归任务,需要根据具体情况进行修改。虽然神经网络算法在某些情况下表现出色,但也存在一些问题,例如需要大量的数据来训练、模型参数较多等。它的灵感来源于生物神经系统,能够通过学习大量数据来识别模式和关系,并进行分类、回归、聚类等任务。函数并未给出,这是因为这些函数的实现与具体的任务相关,可以根据实际情况进行编写。,表示输入数据和对应的标签。原创 2023-07-06 10:17:02 · 1978 阅读 · 0 评论 -
机器学习半监督学习
该方法利用带标签数据训练一个初始模型,然后使用该模型对未标记数据进行预测,并将置信度高的数据加入到标记数据中,然后重新训练模型,迭代这个过程直到模型收敛。最后,我们输出训练好的两个分类器的系数、新的标记数据集、新的标签数据和更新后的未标记数据集。该方法利用带标签数据训练一个初始模型,然后使用该模型对未标记数据进行预测,并将置信度高的数据加入到标记数据中,然后重新训练模型,迭代这个过程直到模型收敛。最后,我们输出训练好的模型系数、新的标记数据集、新的标签数据和更新后的未标记数据集。最后,我们返回预测标签。原创 2023-07-06 09:50:17 · 1180 阅读 · 0 评论 -
机器学习无监督学习算法
接下来,函数开始聚类操作,对于每个未被标记的点,找到其邻域中的所有密度可达的点,将它们放入同一个簇中,并将簇的数量加1。DBSCAN算法的基本思想是:对于给定的数据集,如果一个点的密度达到给定的阈值(通常是一定半径内的点数),则认为它是一个核心点,将其作为一个簇的种子点。最后,将剩余的点标记为噪声点或边界点,不属于任何簇。KMeans算法的基本思想是:将数据集中的每个样本分配到距离其最近的k个质心所代表的类别中,然后重新计算每个类别的质心,不断重复以上过程,直到类别不再发生变化或达到预定的迭代次数为止。原创 2023-07-05 17:11:20 · 3353 阅读 · 0 评论 -
机器学习有监督算法
监督学习(Supervised Learning)是机器学习中的一种常见方法,其基本思想是通过已有的标记数据(即带有标签的训练数据),训练一个模型来预测新的、未知的数据的标签或结果。在监督学习中,我们可以将输入数据和输出数据看作是一组有序对,即{(x1,y1),(x2,y2),...,(xn,yn)},其中xi是输入数据,yi是对应的输出数据。朴素贝叶斯算法的基本思想是,对于给定的待分类数据,计算它属于各个类别的概率,然后选择具有最大后验概率的类别作为该数据的分类结果。然后,使用该模型来对新数据进行预测。原创 2023-07-05 14:23:00 · 1219 阅读 · 0 评论 -
感知机基础学习
感知机来源于M-P神经元,是罗森布拉特提出的什么是学习率?和步长有什么区别?怎么确定初始学习率?怎么在深度学习中进行学习率调整?两个激活函数有什么区别?感知机学习算法所谓的神经网络的学习规则,就是调整神经元之间的连接权值和神经元内部阈值的规则调整规则:用学习率乘以差错来对应于修正权重以区分西瓜香蕉为例假如输入一个西瓜,得到输入权值,则得到输出结果为,y=0输...原创 2019-12-06 14:09:32 · 405 阅读 · 0 评论 -
数据分析常用库之【numpy】random函数
1、numpy.random.rand()'''numpy.random.rand(d0,d1,…,dn)rand函数根据给定维度生成[0,1]之间的数据,包含0,不包含1dn表示不同维度返回值为指定维度的array'''import numpy as npres=np.random.rand(4,2)print(res)'''[[0.41070435 0.5700613...原创 2019-11-24 21:04:11 · 325 阅读 · 0 评论 -
数据分析常用库之【pandas】DataFrame方法操作
#!/usr/bin/pythonfrom __future__ import print_functionfrom __future__ import with_statementimport os #获取当前工作路径import numpy as npimport pandas as pdfrom pandas import * # Sereis, DataFramef...原创 2019-11-24 17:57:13 · 445 阅读 · 0 评论 -
数据分析常用库之【pandas】读取保存加载功能
read_to#python的pickle模块实现了基本的数据序列和反序列化。通过pickle模块的序列化操作我们能够将程序中运行的对象信息保存到文件中去,#永久存储;通过pickle模块的反序列化操作,我们能够从文件中创建上一次程序保存的对象。总是会看到代码开头会加上from __future__ import *这样的语句。这样的做法的作用就是将新版本的特性引进当前版本中,也就是说...原创 2019-11-24 01:10:08 · 138 阅读 · 0 评论 -
数学基础学习【第二天】贝叶斯预测病情
#症状='n' 职业='z' 疾病='j'#打喷嚏=1 头痛=2#护士=1 农夫=2 建筑工人=3 教师=4#感冒=1 过敏=2 脑震荡 = 3table_titles = ['n', 'z', 'j']table = [[1, 1, 1], [1, 2, 2], [2, 3, 3], [2, 3, 1], [1,...原创 2019-11-21 23:54:40 · 315 阅读 · 1 评论 -
【数据分析常用库numpy】数据类型,数组属性及创建数组
numpy是python语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也为数组运算提供大量的函数库。包含1、一个强大的n维数组对象2、广播功能函数3、整合 C/C++/Fortran 代码的工具4、线性代数、傅里叶变换、随机数生成ndarray对象是用来存放同类型元素的多维数组ndarray的每一个元素在内存中都有一个相同大小的区域ndarray包含以下内容:...原创 2019-11-20 00:51:21 · 446 阅读 · 0 评论 -
【数据分析常用库numpy】从数值范围创建数组
numpy 包中的使用 arange 函数创建数值范围并返回 ndarray 对象,函数格式如下:numpy.arange(start, stop, step, dtype)numpy.linspace 函数用于创建一个一维数组,数组是一个等差数列构成的,格式如下:np.linspace(start, stop, num=50, endpoint=True, retstep=F...原创 2019-11-20 19:49:51 · 128 阅读 · 0 评论