![](https://img-blog.csdnimg.cn/20210904141145324.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
Python珠联璧合之机器学习与深度学习
文章平均质量分 92
用Python撬开人工智能的大门,从机器学习到深度学习,展望数理统计,神经网络,图像识别,模型算法等,窥探数据科学的奥秘!
王小王-123
【私信必回】CSDN博客专家、内邀精英签约作者,CSDN年度优秀创作者,华为云享专家,阿里云专家博主、腾讯云、简书、InfoQ、51CTO等开源社区创作者。左手诗情画意,右手代码人生,欢迎一起探讨技术的诗情画意!
展开
-
罚函数的概念及内罚与外罚的理解与应用
罚函数(Penalty Function)是一种在优化算法中用来处理约束问题的方法。其基本思想是在目标函数中加入一个罚项(penalty term),以此来惩罚违反约束条件的解,从而引导算法寻找满足约束条件的最优解。从而将有约束的优化问题转化为无约束优化问题。在许多优化问题中,目标函数需要满足一些约束条件,如等式约束、不等式约束等。通过引入罚函数,可以构造一个新的无约束的优化问题,其目标函数包括原目标函数和罚函数两部分。原创 2024-06-20 11:15:46 · 912 阅读 · 0 评论 -
【科学炼丹指南】机器学习最科学、最有效的参数优化全流程实现方法
机器学习模型都有很多超参数需要调整,比如神经网络的层数、节点数,树模型的最大深度、叶子节点数等。调参的目的是在限定的训练时间和计算资源内,通过调整这些超参数,使模型在验证集上的性能指标达到最优,如最小化预测误差,最大化准确率等。但是由于超参数组合数量极大,模式性能高度非凸,手工调参搜索空间巨大,效率低下。因此会使用一些调参策略与工具自动搜索,如网格搜索、随机搜索、贝叶斯优化等。还会使用技巧缩小搜索空间,降低调参难度,比如启发式初始化。但即便使用自动调参方法,调参过程也非常耗时,需要大量的计算资源。当数据集复原创 2023-12-08 17:23:03 · 1137 阅读 · 0 评论 -
机器学习中参数优化或交叉验证评估指标含义
在Scikit-Learn中,cross_val_score函数支持多种不同的评分标准(scoring参数)。这些评分标准各有其适用场景和特点。选择哪种评分标准取决于你的具体任务和模型评估的需求。例如,在回归任务中,如果你关心预测误差的大小,可以选择neg_mean_squared_error或neg_mean_absolute_error;而如果你关心模型解释的方差比例,可以选择r2。原创 2023-11-29 18:28:48 · 712 阅读 · 0 评论 -
数据挖掘之贝叶斯优化——前反馈特征的参数,估计特征的最佳数值
传统的制造业或者实际厂家都是结合经验和数据进行,可能一个工艺表一直在沿用,但是随着设备和不同情况的更新迭代与出现,这种只依靠经验的规则无法适用于大规模的数据,一个工序只能一个人来调节,多个工序可能需要多个工艺师来互相配合,无法达到最优的结果。通过拿到问题我们都是采取机器学习的一些相关的回归算法进行,不管是神经网络模型还是各种基于概率还是树的模型,多个特征去预测一个特征是符合也是比较常见的一种建模思想,但是随着机器学习和深度学习的不断衍生,我们的需求也在越来越明确。实际上,数据的真实分布可能会有所偏差。原创 2023-10-16 15:33:00 · 1096 阅读 · 0 评论 -
深度学习之初识篇——小白也能跑通的深度学习万能框架【交通标识牌检测】
本文是作为后续跑深度学习的一个案例教程,可以作为快速搭建自己的深度学习框架,预计按照本教程3~5分钟即可完成,这是因为深度学习是一个框架学习,不像机器学习那样,我们需要进行部署自己的项目代码,做一些较为复杂的算法处理和学习,而深度学习却可以。最后用一句话总结:深度学习就像人的大脑一样,世界上有很多个人,不同的大脑会有不同的想法,就像牛顿对待熟透落地的苹果一样,初唐四杰诗人——王勃那样,面对晚霞下的那一句“落霞与孤鹜齐飞,秋水共长天一色”宁静致远。这是就是为什么人有人说他难,也有人它晦涩难懂。下面我们开始实战原创 2022-12-03 23:08:45 · 1830 阅读 · 1 评论 -
机器学习推荐算法之协同过滤(基于用户)【案例+代码】
目录兴趣度计算电影推荐案例协同过滤算法欧式距离案例计算推荐基于用户协同过滤的缺点代码实操每文一语兴趣度计算前面学习了关联规则的相关知识,接下来我们来学习协同过滤。什么是协同过滤呢?我们以一个简单的问题来了解一下:如果你现在想看个电影,但你不知道具体看哪部,你会怎么做?大部分的人会问问周围的朋友,看看最近有什么好看的电影推荐。朋友有很多,每一个都去问吗?不是,我们一般更倾向于从口味比较类似的朋友那里得到推荐。协同过滤是利用集体智慧的一种方法,但又稍有..原创 2022-04-10 01:15:00 · 3308 阅读 · 2 评论 -
机器学习推荐算法之关联规则Apriori与FP-Growth算法详解
目录Apriori算法介绍计算菜品间的关联度Apriori算法不足FP-Growth算法频繁项的挖掘关联规则兴趣度apriori代码案例fpgrowth代码案例结果每文一语Apriori算法介绍Apriori,中文是先验,开始的意思。这个算法为了规避前面说到的指数爆炸的问题,采取了提前剪枝的办法。核心是两条定律:定律一:如果一个集合是频繁项集,则它的所有子集都是频繁项集。定律二:如果一个集合不是频繁项集,则它的所有超集都不是频繁项集。Apri...原创 2022-04-10 00:00:00 · 2909 阅读 · 1 评论 -
机器学习推荐算法之关联规则(Apriori)——支持度;置信度;提升度
目录🍎走进关联规则🍊什么是关联规则?🍒关联规则的分类🍉关联规则的基本概念置信度的局限——错估某个关联规则的重要性提升度和零事务的关系先验原则实际案例代码实战频繁项集和支持度置信度调用文末资源推荐每文一语🍎走进关联规则🍊什么是关联规则?🐾🐾情景引入:🍺啤酒与尿布🍼在一家超市里,有一个有趣的现象:尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话,而是发生在美国沃尔玛连锁店超市的真实案例,并一直...原创 2022-03-03 19:20:58 · 47796 阅读 · 39 评论 -
【原理+代码】Python实现Topsis分析法(优劣解距离法)
综合评价法评价方法一般分为两类。一类是主观赋权法,多数采取综合咨询评分确定权重,如:综合指数法、模糊综合评价法、层次分析法、功效系数法等。另一类是客观赋权法,根据各指标之间的相关关系或各指标值变异程度来确定权数,如:主成分分析法、因子分析法、理想解法等。那么目前,主要使用的评价方法有:主成分分析法、因子分析法、TOPSIS法(本文详解)、秩和比法、灰色关联法、熵权法、层次分析法、模糊评价法、物元分析法、聚类分析法、价值工程法、神经网络法等。是不是感觉太多了,其实当你踏进机器学习和算法,以及建模的原创 2022-02-19 19:55:16 · 6331 阅读 · 12 评论 -
【零基础必备】监督学习之K近邻算法三元预测分类
目录数据准备数据展示模型搭建构建模型K近邻算法模型评估总结与归纳每文一语数据准备鸢尾花数据附带在Python scikit-learn 的 datasets 模块中,我们只需要调用这个数据即可,用于打开机器学习的大门。from sklearn.datasets import load_irisiris_dataset = load_iris()load_iris 返回的 iris 对象是一个 Bunch 对象,与字典非常相似,里面包含键和值:我们如原创 2021-07-22 19:11:55 · 2210 阅读 · 19 评论 -
【建议收藏】图解十大经典机器学习算法——带你入门机器学习
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的基础,更是我们现在社会进步的源泉。原创 2021-07-18 19:33:44 · 6948 阅读 · 15 评论 -
《全网首发》基于SEIR(SIR)对新冠肺炎的分析和预测
截止 2021 年 4 月 27 日, 全球新增确诊病例连续 9 周增加,新增死亡病例连续 6 周增加。 世卫组织总干事谭德塞指出,虽然一些地区的新增确诊病例和死亡人数出现小幅下降,但许多国家疫情仍在密集传播,印度等国的情况尤其令人揪心。 中国政府已决定在全国进行全人群的新冠病毒疫苗接种,以建立最大规模的国民群体新冠免疫屏障。请你们根据现有的知识和搜集相关数据,利用数学建模的方法,解决如下问题:1. 建立传染病毒群体免疫屏障的数学模型,说明疫苗接种率的控制对构筑免疫屏障的作用。在此基础上考虑原创 2021-06-28 19:29:30 · 27066 阅读 · 38 评论