weixin_48425205的博客

原创 2021-11-12

随机梯度下降法由于每次仅仅采用一个样本来迭代，训练速度很快import numpy as npimport matplotlib.pyplot as pltX = np.array([[2104,3],[1600,3],[2400,3],[1416,2],[3000,4]])Y = np.array( [400,330,369,232,540])theta0 = np.random.random()theta1 = np.random.random()theta2 = np.random.ra

原创 lda算法推到

原创 决策树 10.26作业

原创 强化学习--演员评论家算法

# _*_ coding.utf-s _*_# 开发人员：Mark# 开发时间：2021/10/21 15:45# 文件名： 强化学习import gym, osfrom itertools import countimport paddleimport paddle.nn as nnimport paddle.optimizer as optimimport paddle.nn.functional as Ffrom paddle.distribution import Categor

原创 手写数字识别

# _*_ coding.utf-s _*_# 开发人员：Mark# 开发时间：2021/10/14 17:54# 文件名： 手写数字识别.pyimport paddlefrom paddle.nn import Linearimport paddle.nn.functional as Fimport osimport numpy as npimport matplotlib.pyplot as plt#读取训练集train_dataset = paddle.vision.datas

原创 公式推导

原创 欧拉算法实验

import numpy as npimport matplotlib.pyplot as pltx = 0;y = 1xx = np.zeros(1000)yy = np.zeros(1000)for i in range(1000): k = y - 2 * x / y y = 1.1 * y - 0.2 * x / y x = x + 0.001 k1 = y - 2 * x / y y = y + 0.5 * 0.001 * (k + k1)

原创 神经网络公式推导

​​​​​​​

原创 作业四 欧拉公式

import matplotlib.pyplot as pltdef Y1(x,y): return y-2*x/y;h=0.1x=0y=1xx=[]yy=[]xx.append(0)yy.append(1)for i in range(100): yy.append(yy[i]+h*Y1(xx[i],yy[i])) xx.append(xx[i]+0.1) print(xx,yy)plt.plot(x1, y1)plt.show()[

原创 实验3 sigmod函数

#!/usr/bin/env python# -*- coding: UTF-8 -*-from __future__ import print_functionfrom functools import reduceclass VectorOp(object): @staticmethod def dot(x, y): return reduce(lambda a, b: a + b, VectorOp.element_multiply(x, y), 0.0)

原创 作业4

原创 作业3

原创 实验二 线性回归

import numpy as np import matplotlib.pyplot as pltX = np.array([[2104,3],[1600,3],[2400,3],[1416,2],[3000,4]])Y = np.array( [400,330,369,232,540])theta0 = np.random.random()theta1 = np.random.random()theta2 = np.random.random()epochs = 0.0001alpha

翻译 numpy中有哪些简单且实用的操作 实验1

import numpy as npdata=np.array([1,2,3])data.max()3np.array([1,2,3])array([1, 2, 3])np.ones(3)array([1., 1., 1.])np.zeros(3)array([0., 0., 0.])np.random.random(3)array([0.40199241, 0.77172438, 0.70989603])data=np.array([1,2])ones=n

原创 2021-09-01

import numpy as npdata=np.array([1,2,3])data.max()3np.array([1,2,3])array([1, 2, 3])np.ones(3)array([1., 1., 1.])np.zeros(3)array([0., 0., 0.])np.random.random(3)array([0.40199241, 0.77172438, 0.70989603])data=np.array([1,2])ones=n