- 博客(9)
- 收藏
- 关注
RSS订阅原创 Adaboost原理及实现
一、原理推导 对于m=1,2,…,M 二、Adaboost代码实现 AdaBoost算法实现的是将弱分类器提升成为强分类器，代码中使用的弱分类器是单层决策树，这也是使用的最多的弱分类器，然后我们就可以根据弱分类器构造出强分类器 from numpy import * # 构建一层决策树，返回分类结果 def stumpclassify(dataMatrix,dimen,thres...
2019-02-21 20:29:44
1604
原创 多元线性回归
一、解析式numpy实现 由中心极限定理，假设误差IID均值为0，方差为某定值的高斯分布。 似然函数： Python实现： import numpy as np def fit(X,y,lamda): X0 = np.ones([X.shape[0],1]) X = np.concatenate((X0,X),axis=1) Z = np.dot(X.T,X) ...
2019-02-07 11:52:49
453
原创 Window下使用fastText
近期学习NLP时使用fastText发现Windows下fastText使用会出问题，研究一番后发现可以使用，但和linus下有所区别，整理如下，希望可以帮到需要的人。 1. 环境 win10+anaconda 2. 数据 __label__greet howdy __label__greet hey there __label__greet hello __label__greet hi __l...
2018-12-16 19:06:32
1222
7
原创 word2vec训练维基百科中文词向量
一、环境： win10+anaconda3+TensorFlow1.10 二、数据： 下载中文维基百科语料数据：wiki_data_1.4g 三、word2vec步骤： 1. 将xml的wiki数据转换成text数据 先将zhwiki-latest-pages-articles.xml.bz2文件复制到process.py所在目录下，cmd进入process.py文件所在目录，执行如下命令：pyt...
2018-11-10 20:03:37
1451
原创 Tensorflow深度学习笔记（二）--BPNN手写数字识别可视化
数据集：MNIST 激活函数：Relu 损失函数：交叉熵 Optimizer：AdamOptimizer 可视化工具：tensorboad 迭代21epoch，accuracy结果如下： Iter 16,Testing Accuracy: 0.9824 ,Training Accuracy: 0.9949273 Iter 17,Testing Accuracy: 0.9...
2018-09-14 17:56:20
718
原创 Tensorflow深度学习笔记（一）--BPNN手写数字识别
数据集：MNIST 损失函数：交叉熵 激活函数：relu 代码如下： import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #读取数据 mnist = input_data.read_data_sets('MNIST_data',one_hot=True) batch...
2018-09-14 17:07:02
867
原创 Tensorflow深度学习笔记（五）--RNN手写数字识别
数据集：MNIST 模型：RNN 损失函数：交叉熵 测试结果： Iter 16, Testing Accuracy= 0.9745 Iter 17, Testing Accuracy= 0.9751 Iter 18, Testing Accuracy= 0.9753 Iter 19, Testing Accuracy= 0.9761 Iter 20, Testing Acc...
2018-09-14 16:51:09
481
原创 Tensorflow深度学习笔记（三）--CNN手写数字识别
数据集：MNIST 模型：CNN；卷积层数：2；全连接层数：3，全连接层Dropout Rate:0.8；激活函数：Relu 损失函数：交叉熵 Batch size: 100 Optimizer：AdamOptimizer Learning Rate: 1e-4 代码如下： import tensorflow as tf from tensorflow.example...
2018-09-05 23:06:25
303
原创 Tensorflow深度学习笔记（四）--CNN手写数字识别可视化
Tensorflow深度学习笔记（四）–CNN手写数字识别可视化 数据集：MNIST 模型：CNN；卷积层数：2；全连接层数：3，全连接层Dropout Rate:0.8；激活函数：Relu 损失函数：交叉熵 Optimizer：AdamOptimizer 可视化工具：tensorboad 先看结果： 训练21epoch，测试集accuracy如下： Iter 0, Testi...
2018-09-05 19:58:23
2296
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人