![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 84
ZhifeiDlut
努力提升代码能力,间歇性踌躇满志
展开
-
Python matplotlib 柱状图(条形图)官方实例学习
文章目录官方示例运行结果例一运行结果例二,添加误差项运行结果官方示例# Credit: Josh Hemannimport numpy as npimport matplotlib.pyplot as pltfrom matplotlib.ticker import MaxNLocatorfrom collections import namedtuplen_groups = 5means_men = (20, 35, 30, 35, 27)std_men = (2, 3, 4, 1原创 2021-03-03 09:48:15 · 1119 阅读 · 1 评论 -
基于贝叶斯概率模型的变分自编码
目录基于贝叶斯概率模型的变分自编码贝叶斯模型贝叶斯法则在贝叶斯法则中,每个名词都有约定俗成的名称:功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入基于贝叶斯概率模型的变分自编码贝叶斯模型机器学习中可以分为两种概率模型,贝叶斯模原创 2021-01-23 16:23:11 · 507 阅读 · 0 评论 -
交叉熵损失与softmax回归
文章目录交叉熵损失一、搞懂交叉熵损失二、softmax回归原理与实现三、算法实现之Softmax 回归交叉熵损失在读论文时经常遇到softmax回归问题,交叉熵损失函数,我今天对他们做一个初步了解一、搞懂交叉熵损失从熵来看交叉熵损失从最大似然看交叉熵多分类交叉熵 softmax二分类交叉熵https://www.cnblogs.com/wangguchangqing/p/12068084.html#autoid-0-2-0二、softmax回归原理与实现https://zhuanla原创 2020-12-31 21:23:11 · 305 阅读 · 0 评论