笔记
文章平均质量分 57
须佐麒麟
这个作者很懒,什么都没留下…
展开
-
第九章:神经网络的学习
神经网络的学习 一、理论基础 代价函数 逻辑回归问题中我们的代价函数为: 在神经网络中,我们可以有很多输出变量,我们的ℎ????(????)是一个维度为????的向量,并且我们训练集中的因变量也是同样维度的一个向量,因此代价函数会比逻辑回归更加复杂,为: 反向传播算法 先计算最后一层的误差,然后再一层一层反向求出各层的误差,直到倒数第二层。“反向传播”可以理解为我们在Logistic和线性回归中进行梯度下降一样,是用于计算最小化成本函数的 前向传播算法: a(1)是第一层的激活值在这里实现了将前原创 2021-04-06 14:22:11 · 326 阅读 · 0 评论 -
python期末作业——BMR计算器
首先直接上最终代码: import datetime t = datetime.datetime.now() #获取当前时间 ask = "y" #用于是否继续计算循环的判断 data = [] #用于接收用户输入数据 data_xuan = ["性别","体重数据(KG)","身高数据(cm)","年龄数据(岁)"] #“请输入(正确的){}”.format() data_unit = ["sex","kg","cm","age原创 2021-01-19 11:50:09 · 780 阅读 · 0 评论 -
python学习:用两种思路计算质数与合数
质数(素数)与合数: 合数指自然数中除了能被1和本身整除外,还能被其他数(0除外)整除的数。 与之相对的是质数,质数定义为在大于1的自然数中,除了1和它本身以外不再有其他因数。而1既不属于质数也不属于合数。最小的合数是4。(因数:如果整数a除以整数b(b≠0) 的商是整数,我们就说b是a的因数。) 计算思路: 思路①: 假如要判断一个数字“x”是不是质数,那么根据定义,我们就直接遍历[2,x-1]范围内的的数字“i”,并分别计算每次x%i的结果是否为0,若有一个结果为0,则表明“x”可以被..原创 2020-11-17 00:26:14 · 3844 阅读 · 0 评论 -
python学习:使用KNN最邻近分类算法进行iris数据集分析
概述: 数据集的分析可以简单的分为两步: 1、根据已有的特征数据建立模型 2、在未来收集到新的特征数据时,可以根据建立的模型来判断新的数据属于哪一类 而iris数据集包括150朵、三类(setosa、versicolor、virginica)鸢尾花的花萼和花瓣长度宽度的数据。 那么对应上面的两步,我们要做的就是: 1、根据已有的鸢尾花花萼和花瓣的长度与宽度数据建立模型 2、在未来收集到新的鸢尾花数据时,可以根据模型来判断所收集的是哪种类型的鸢尾花(setosa,versicolor,virgi原创 2020-11-14 21:12:53 · 2728 阅读 · 0 评论 -
Python学习:NumPy笔记
第一步是引入NumPy: import numpy as np #引入np NumPy中的array函数可以将列表直接转换成NumPy数组: import numpy as np lst=[1,2,3,4,7,9] b=np.array(lst) print(b) #会输出: [1 2 3 4 7 9]原创 2020-11-10 22:20:53 · 352 阅读 · 0 评论 -
python学习: 用random、time和pyplot函数制作一段简单的代码
要使用random()函数,首先需要导入random()模块: import random random.random() random函数会返回一个[0,1)之间的数值,如: import random print(random.random()) 输出的值为: 0.36988584264616886 但是,如果使用random模块中的randint() 函数,就可以返回指定范围内的整数,如: import random print(random.randint(0,10)) 会输出: 4 稍原创 2020-11-08 14:33:11 · 3579 阅读 · 9 评论 -
Python函数
Python函数原创 2020-11-01 07:56:33 · 440 阅读 · 0 评论