![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
Rbdash
你强不强我不知道,反正我是真的菜
展开
-
0515学习笔记(cnn)
cnn:卷积神经网络是深度学习技术中极具代表的网络结构之一。cnn相较于传统的算法避免了对图像复杂的前期预处理过程(提取人工特征等),可以直接输入原始图像。cnn中具有局部连接和权值共享方法,可以降低权值参数数量级。卷积层:卷积核在上一级输入层上通过逐一滑动窗口计算而得,卷积核中的每一个参数都相当于传统神经网络中的权值参数,与对应的局部像素相连接,将卷积核的各个参数与对应的局部像素值相乘之和(通常还要加上一个偏置参数),得到卷积层上的结果。池化层:在池化层中,进行压缩减少特征数量的时候一般采用两种策转载 2020-05-18 10:30:24 · 374 阅读 · 0 评论 -
0513学习记录(逻辑回归)
混淆矩阵TP,TN,FP,FNimport numpy as npfrom sklearn.datasets import make_classificationfrom sklearn.linear_model import LogisticRegressionfrom sklearn.model_selection import train_test_split# 混淆矩阵,可以获取评估结果。from sklearn.metrics import confusion_matriximpo转载 2020-05-15 01:05:43 · 111 阅读 · 0 评论 -
0511学习记录(逻辑回归)
梯度下降最优化的一种,优化一个函数使其达到最大值或最小值。交叉熵计算逻辑回归的损失sigmoid函数sigmoid函数对应的图形就是logistic曲线,logistic曲线对应的函数就是sigmoid函数。通过logistic曲线就可以知道1)sigmoid函数是一个阈值函数,不管x取什么值,对应的sigmoid函数值总是0<sigmoid(x)<1。2)sigmoid函数严格单调递增,而且其反函数也单调递增3)sigmoid函数连续4)sigmoid函数光滑5)sig转载 2020-05-11 19:38:02 · 128 阅读 · 0 评论 -
12.10学习笔记(gg机器学习)
标签:我们要预测的真实事物:y。基本线性回归中的y变量。特征:用于描述数据的输入变量:Xi。基本线性回归中的{x1、x2、…xn}变量样本:数据的特定实例x0有标签样本:同时包含特征和标签,我们使用有标签样本来训练模型。无标签样本:包含特征但不包含标签,用于对新数据作出预测。模型:定义了特征与标签之间的关系,可将样本映射到预测标签:y’。由模型的内部参数定义,这些内部参数值是通过学习得到...转载 2018-12-10 14:09:41 · 156 阅读 · 0 评论 -
学习笔记4.1(机器学习z)
包NumpyFFT/Gauss/LSQ/SVD ndarrayscipyGamma/CombpandasDataFrame/Series(Excel/csv/tsv)matplotlibscikit-learnMLTensorFlow(Keras)/pyTorch/Theano(Keras)/Caffe/PandlePandleDLpip install numpy/...转载 2019-04-01 20:35:32 · 121 阅读 · 0 评论 -
3.28学习笔记(西瓜)
第二章:模型评估与选择2.1经验误差与过拟合m个样本中有a个样本分类错误,则错误率E=a/m,精度1-a/m学习器在训练集上的误差成为训练误差或经验误差,在新样本上的误差称为泛化误差。当学习器把训练样本学的“太好”了时很可能把训练样本自身的一些特点当做了所有潜在样本的一般性质,导致泛化性能下降,称为“过拟合”。2.2评估方法将一个包含m个样例的数据集D进行适当处理产生训练集S和测试集T...转载 2019-03-28 18:33:28 · 87 阅读 · 0 评论