![](https://img-blog.csdnimg.cn/20200624163112537.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
machine learning
机器学习和深度学习
思源湖的鱼
半路出家,硕士在读
展开
-
从零开始完整学习机器学习和深度学习,包括理论和代码实现,主要用到scikit和MXNet,还有一些实践(kaggle上的)
从零开始完整学习传统机器学习和经典深度学习,只需要python基础,最好有线性代数基础,没有也问题不大原创 2020-06-24 22:50:52 · 583 阅读 · 1 评论 -
kaggle 房价预测 线性回归
拿Kaggle的新手项目房价预测练手原创 2020-06-15 17:18:24 · 1518 阅读 · 0 评论 -
深度学习系列(十) 计算机视觉之目标检测(object detection)2020.6.29
本节学习目标检测:边界框、锚框、多尺度、SSD原创 2020-06-29 16:32:16 · 778 阅读 · 0 评论 -
深度学习系列(九) 计算机视觉之模型泛化能力(图像增广和微调) 2020.6.26
前面学习了深度学习的经典模型和一些优化,本节开始学习深度学习在计算机视觉领域的应用。本节先学习两个提升模型泛化能力的方法:图像增广、微调原创 2020-06-26 14:26:47 · 960 阅读 · 0 评论 -
深度学习系列(八) 计算性能(命令式编程和符号式编程、异步计算、多GPU计算) 2020.6.25
本节关注影响深度学习计算性能的因素: 命令式编程和符号式编程、异步计算、多GPU计算原创 2020-06-25 12:11:24 · 479 阅读 · 0 评论 -
深度学习系列(七) 优化算法(梯度下降、动量法、AdaGrad算法、RMSProp算法、AdaDelta算法、Adam算法) 2020.6.24
在训练模型时,会使⽤优化算法不断迭代模型参数以降低模型损失函数的值,本节详细学习常用的优化算法:梯度下降、动量法、AdaGrad算法、RMSProp算法、AdaDelta算法、Adam算法原创 2020-06-24 13:31:00 · 2962 阅读 · 0 评论 -
深度学习系列(六) 循环神经网络之GRU、LSTM、双向循环 2020.6.23
本节继续学习循环神经网络:GRU、LSTM、双向循环神经网络原创 2020-06-23 12:27:46 · 2408 阅读 · 0 评论 -
深度学习系列(五)循环神经网络 2020.6.22
本节学习循环神经网络原创 2020-06-22 13:30:51 · 401 阅读 · 0 评论 -
深度学习系列(四) 深度卷积神经网络之批量归一化、ResNet、DenseNet 2020.6.19
本节继续学习深度卷积神经网络:批量归一化、ResNet、DenseNet原创 2020-06-19 12:18:06 · 2066 阅读 · 0 评论 -
深度学习系列(三) 深度卷积神经网络(AlexNet、VGG、NiN、GoogleNet) 2020.6.18
本节学习几种深度卷积神经网络:AlexNet、VGG、NiN、GoogleNet原创 2020-06-18 14:16:23 · 554 阅读 · 0 评论 -
深度学习系列(二) 卷积神经网络之基础知识 2020.6.17
本节学习卷积神经网络的基础知识:卷积层、填充和步幅、多输入和多输出通道、池化层、卷积神经网络原创 2020-06-17 14:25:54 · 418 阅读 · 0 评论 -
深度学习系列(一) 多层感知机 2020.6.15
本节学习多层感知机,基本可以算是最简单基础的神经网络,用到mxnet库和d2lzh库原创 2020-06-15 16:07:15 · 437 阅读 · 0 评论 -
机器学习系列(十二) 集成学习 2020.6.13
本节学习集成学习原创 2020-06-13 12:07:19 · 255 阅读 · 0 评论 -
机器学习系列(十一) 决策树 2020.6.12
本节学习决策树,非参数学习算法,天然可以解决多分类问题,也可以解决回归问题原创 2020-06-12 11:49:23 · 252 阅读 · 0 评论 -
机器学习系列(十) 支持向量机SVM 2020.6.11
本节学习支持向量机SVM,决策边界离两边的点都尽可能远,模型泛化能力强,可以用来做分类和回归原创 2020-06-11 12:35:54 · 312 阅读 · 0 评论 -
机器学习系列(九) 分类结果的评价(混淆矩阵、精确度、召回率、F1、ROC) 2020.6.10
本节学习分类结果的评价,包括混淆矩阵、精确度、召回率、F1、ROC原创 2020-06-10 13:50:20 · 835 阅读 · 0 评论 -
机器学习系列(八) 逻辑回归和多分类问题 2020.6.9
本节学习逻辑回归,解决分类问题,样本特征和发生概率联系在一起。最后涉及多分类的OvR和OvO原创 2020-06-09 13:40:20 · 451 阅读 · 0 评论 -
机器学习系列(七) 多项式回归和模型泛化(学习曲线、交叉验证、正则化) 2020.6.8
本节学习多项式回归和模型泛化,包括学习曲线、交叉验证、正则化原创 2020-06-08 18:33:50 · 1211 阅读 · 0 评论 -
机器学习系列(六) 用scikit识别MNIST数据集,用到kNN和PCA 2020.6.7
本节是对前面所学知识的运用,主要是用kNN和PCA,识别MNIST数据集原创 2020-06-07 13:10:43 · 657 阅读 · 0 评论 -
机器学习系列(五) PCA(主成分分析)会用到scikit 2020.6.7
本节学习PCA(主成分分析),非监督机器学习,主要用于数据降维原创 2020-06-07 13:06:28 · 455 阅读 · 0 评论 -
机器学习系列(四) 梯度下降法 2020.6.6
本节学习梯度下降法,基于搜索的最优化方法, 用来最小化损失函数原创 2020-06-06 13:44:38 · 420 阅读 · 0 评论 -
机器学习系列(三) 线性回归法,会用到scikit 2020.6.5
本节学习线性回归法,自己实现底层逻辑,也会使用scikit的库原创 2020-06-05 12:36:21 · 324 阅读 · 0 评论 -
机器学习系列(二) kNN(k近邻算法)会用到scikit 2020.6.4
本节学习kNN算法,会自己实现底层逻辑,也会使用scikit的库,还会借用kNN了解机器学习里的性能判定、超参数和数值归一化原创 2020-06-04 15:50:52 · 384 阅读 · 0 评论 -
机器学习系列(一) numpy的使用 2020.6.3
开始较为全面的学习机器学习的内容,从传统的机器学习开始到当下火热的深度学习,本节主要是较为全面的学习numpy的使用原创 2020-06-03 16:47:14 · 424 阅读 · 0 评论