人工智能
文章平均质量分 83
以Python为核心的人工智能相关机器学习,深度学习、以及数据分析、自动化测试等相关博客专栏
爱吃糖的范同学
https://lunaticer.gitee.io/ai-rise-code/ 个人站点
展开
-
【深度学习】Pytorch torch.autograd 自动差分引擎
反向传播是指预测输出的不可信结果(函数计算结果)和输入数据的真实可信值(输入数据的标签)通过损失函数,通过梯度下降来修改参数(优化),拟合数据集。正向传播是对输入的真实数据进行函数运算得到一个预测的结果输出的过程,输入的数据是真实可信的,输出的结果是预测值,不可信。我们创建一个随机数据张量来表示具有3个通道的单个图像,高度&宽度为64,其对应的。神经网络(NN)是在某些输入数据上执行的嵌套函数的集合。(由权重和偏差组成)定义,这些参数在PyTorch中存储在张量中。让我们来看一个训练步骤。......原创 2022-07-26 13:10:21 · 775 阅读 · 0 评论 -
【深度学习】Pytorch Tensor 张量
目录一、张量概述:二、初始化张量:直接使用Python列表转化为张量:通过Numpy数组(ndarray)转换为张量:通过已有的张量生成新的张量:通过指定数据维度生成张量: 三、张量属性:四、张量的运算:1.张量的索引和切片:2.张量的拼接:3.张量的乘法和矩阵乘法:乘法(点乘):矩阵乘法(叉乘):4.自动赋值运算:五、Tensor和Numpy的相互转换:1.由tensor转换为ndarray:2.由Ndarray转换为Tensor: 一种特殊的数据结构,使用在深度学习的神经网络中,类似数组(原创 2022-07-25 11:34:04 · 2162 阅读 · 0 评论 -
【人工智能】机器学习概述(二)
目录一、机器学习概述:1.机器学习定义:2.机器学习分类:3.机器学习流程:二、没有免费午餐定理(No Free Lunch Theorem):一、机器学习概述:【人工智能】机器学习概述_爱吃糖的范同学的博客-CSDN博客_人工智能 机器学习目录一、人工智能领域概述:1.机器学习概述:2.机器学习问题:3.机器学习种类:4.基于实例的学习和基于模型的学习:二、机器学习的一般过程:数据处理:机器学习:业务运维:三、:机器学习的典型应用:四、机器学习的基本问题:一、人工智能领域概..原创 2022-03-24 19:31:13 · 1643 阅读 · 0 评论 -
【人工智能】机器学习概述(一)
目录一、人工智能领域概述:1.机器学习概述:2.机器学习问题:3.机器学习种类:4.基于实例的学习和基于模型的学习:二、机器学习的一般过程:数据处理:机器学习:业务运维:三、:机器学习的典型应用:四、机器学习的基本问题:一、人工智能领域概述:1.机器学习概述:机器学习是一门能够让编程计算机从数据中学习的计算机科学。一个计算机程序在完成任务T之后,获取经验E,其表现效果为P,如果任务T的性能表现,也就是以衡量的P,随着E增加而增加,那么这样计..原创 2021-11-02 07:25:19 · 556 阅读 · 0 评论 -
【人工智能】<吴恩达-机器学习>逻辑回归 - 分类问题
目录一、Logistic Regression - Classification:二、 Hypothesis Regresentation - 假设陈述:三、Decision boundary - 决策边界:四、Cost Function - 损失函数:一、Logistic Regression - Classification:logistic回归虽然带着回归两字却和线性回归有很大的区别,线性回归主要用于预测问题,其输出值为连续变量,而logistic回归主要用于分...原创 2021-12-17 23:53:48 · 1016 阅读 · 0 评论 -
【人工智能】<吴恩达-机器学习>监督学习&非监督学习
目录一、机器学习概述 - What is machine learning ?:二、机器学习分类 - Machine learning algorithms:1.监督学习 - Supervised learning:2.无监督学习 - Unsupervised learning:Cocktail party problem algorithm:一、机器学习概述 - What is machine learning ?:Machine learning: Field of stu.原创 2021-12-12 00:16:50 · 2706 阅读 · 0 评论 -
【每日一更】KNN-K近邻算法
目录一、什么是K-近邻算法:1.K-近邻算法(KNN)概念:2.KNN定义:3.KNN距离公式:二、电影分析案例分析:三、K-近邻算法API初步使用:1.机器学习流程复习:2.Sclikit-learn工具介绍:3.Scikit-learn包含的内容:4.K-近邻算法API:四、距离度量:1.欧式距离(Euclidean Distance):2.曼哈顿距离(Manhattan Distance):3.切比雪夫距离 (Chebyshev Distan..原创 2021-12-09 12:57:20 · 556 阅读 · 1 评论 -
【人工智能】<吴恩达-机器学习>批量梯度下降&矩阵和向量运算概述
目录一、Gradient descent for liner regression - 线性回归:1.线性回归的梯度下降法:2."Batch"Gradient Descent - 批量梯度下降法:二、Matrices and Vectors - 矩阵和向量:1.Matrix:2.Vector:三、矩阵&向量运算:1.Addition and scalar multiplication - 加法和标量乘法:2.Matrix - Vector multiplicat.原创 2021-12-14 07:57:48 · 2326 阅读 · 4 评论 -
【每日一更】<吴恩达-机器学习>多变量线性回归&学习率&特征值
目录一、Linear Regression with multiple variable - 多变量线性回归:二、Gradient descent for multiple carables - 多变量梯度下降:三、Feature Scaling - 特征缩放:1.特征缩放方法:2.归一化和标准化的区别:四、Learning rate - 学习率:五、Features and polynomial regression:一、Linear Regression with mu.原创 2021-12-14 22:39:58 · 595 阅读 · 0 评论 -
【每日一更】<深度学习>手写数字识别 - Hand-Written Digits Recognition
目录一、手写数字识别概述:二、Input and Output:三、入门案例-简单数据训练:1.数据集的准备:一、手写数字识别概述:数据集:MNIST使用灰度图片处理,得到一个28行28列1(标识颜色值,255表示纯黑,0表示纯白)二、Input and Output:one-hot编码(独热编码):Regression VS Classification激活函数:Loss损失函数:三、入门案例-简单数据训练:1.数...原创 2021-12-17 23:56:50 · 515 阅读 · 0 评论 -
【OpenCV】OpenCV图像处理概述
目录一、图像概述:1.图像起源:1.1 什么是图像:1.2 模拟图像和数字图像:2.数字图像的表示:2.1 位数:2.2 图像分类:二、OpenCV概述:1.OpenCV概述:2.OpenCV-Python:3.OpenCV部署:三、OpenCV模块:一、图像概述:1.图像起源:1.1 什么是图像:图像是人类视觉的基础,是自然景物的客观反映,是人类认识世界和人类本身的重要源泉。“图”是物体反射或透射光的分布,“像“是人的视觉...原创 2021-12-10 23:56:21 · 427 阅读 · 0 评论 -
【每日一更】<吴恩达-机器学习>正规方程&不可逆性
目录一、Normal equation - 正规方程:1.梯度下降法:2.正规方程法:3.梯度下降和正规方程的选择:二、正规方程和不可逆性 - Normal equation and non-invertibility:一、Normal equation - 正规方程:1.梯度下降法:Normal equation: Method to solve foranalytically.2.正规方程法:通过下面这个方程就可以得到最小的值:对...原创 2021-12-16 20:11:00 · 260 阅读 · 0 评论 -
【每日一更】<吴恩达-深度学习>深度学习Deep Learning概述&Neural Networks and Deep Learning
一、what is a Neural Network - 什么是神经网络:1.Neural Network神经网络概述:人工智能的底层模型是"神经网络"(neural network)。许多复杂的应用(比如模式识别、自动控制)和高级模型(比如深度学习)都基于它。学习人工智能,一定是从它开始。未更完...待定......原创 2021-12-17 23:54:59 · 406 阅读 · 0 评论 -
【每日一更】<吴恩达-机器学习>单变量的线性回归&认识梯度下降
一、单变量线性回归 - Linear regession with one variable:Supervised Learning: Gives the "right answer" for each example in the data.Regression Problem: Redict real-valued output Classfication Problem: Discrate-value output1.常用字符标识:(x, y) = One training..原创 2021-12-13 22:18:55 · 956 阅读 · 0 评论 -
【数据分析】《利用Python进行数据分析·第2版》Python基础语法&数据结构&函数&文件操作
一、Python语法基础:Python的语言设计强调的是可读性、简洁和清晰。有些人称Python为“可执行的伪代码”。1.使用缩进,而不是括号:Python使用空白字符(tab和空格)来组织代码,而不是像其它语言,比如R、C++、JAVA和Perl那样使用括号。看一个排序算法的for循环:for x in array: if x < pivot: less.append(x) else: greater.append...原创 2021-12-26 18:52:57 · 438 阅读 · 0 评论 -
【机器学习】<刘建平Pinard老师博客学习记录>机器学习算法的随机数据生成
目录一、Numpy生成随机数:二、Scikit-learn随机数据生成API介绍:三、Scikit-learn随机数据生成实例:1.回归模型随机数据:2.分类模型随机数据:3.聚类模型随机数据:4.分组正态分布混合数据:在学习机器学习算法的过程中,我们经常需要数据来验证算法,调试参数。但是找到一组十分合适某种特定算法类型的数据样本却不那么容易。还好numpy, scikit-learn都提供了随机数据生成的功能,我们可以自己生成适合某一种模型的数据,用随...原创 2021-12-25 12:24:44 · 657 阅读 · 0 评论 -
【机器学习】<刘建平Pinard老师博客学习记录>Scikit-learn&Pandas(Numpy&Matplotlib)学习线性回归
目录一、数据获取&问题定义:1.数据获取:2.问题定义:二、整理数据:三、使用Pandas读取数据:1.导入依赖库:2.使用Pandas读取函数:四、数据准备:1.查看数据:2.划分训练集和测试集:五、运行scikit-learn的线性模型:六、模型评价:七、交叉验证:八、画图观察结果:一、数据获取&问题定义:1.数据获取:数据集介绍:UCI Machine Learning Repository: Combined C..原创 2021-12-20 21:35:51 · 1889 阅读 · 1 评论 -
【Tensorflow】Python 虚拟环境在Pycharm中的设置
目录一、设置前提:二、设置过程:一、设置前提:该设置的前提是您已经完成了Anaconda安装,以及完成了Pycharm的安装。二、设置过程:打开setting设置:选择Python Interpreter:添加Python Interpreter:设置本地Anaconda的Python解释器,这里的解释器不是Anaconda创建的虚拟环境中的Python解释器,是直接在Anaconda安装目录中的Python解释器,即basic环境下的解释器。...原创 2021-12-15 23:35:27 · 1053 阅读 · 0 评论 -
【机器学习】《统计学习方法》统计学习方法概论
一、统计学习&监督学概论:1.Supervised Learning 监督学习:1.1 监督学习的实现步骤:得到一个有限的训练数据集合 确定模型的假设空间,也就是所有的备选模型 确定模型选择的准则,即学习的策略 实现求解最优模型的算法 通过学习方法选择最优模型 利用学习的最优模型对新数据及进行预测或分析训练集:实例x的特征向量:模型:决策函数:预测函数:条件概率分布:预测形式:1.2 监督学习要素:模型(假设空间):决策函数:..原创 2021-12-19 21:43:22 · 241 阅读 · 0 评论 -
【机器学习】<刘建平Pinard老师博客学习记录>梯度下降(Gradient Descent)
目录一、梯度:二、梯度上升和梯度下降:三、梯度下降法算法详解:1.梯度下降的直观解释:2.梯度下降的相关概念:3.梯度下降的详细算法:3.1 梯度下降法的代数方式描述:3.2 梯度下降法的矩阵方式描述:4.梯度下降的算法调优:四、梯度下降法大家族(BGD,SGD,MBGD):1.批量梯度下降法(Batch Gradient Descent):2.随机梯度下降法(Stochastic Gradient Descent):3.小批量梯度下降法(Mini-bat原创 2021-12-19 19:27:23 · 525 阅读 · 0 评论 -
【机器学习】<刘建平Pinard老师博客学习记录>最小二乘法
目录一、最小二乘法的原理与解决的问题:二、最小二乘法代数解法:三、最小二乘法的矩阵解法:四、最小二乘法的局限性和适用场景:最小二乘法是用来做函数拟合或者求函数极值的方法。在机器学习,尤其是回归模型中,经常可以看到最小二乘法的身影,这里就对我对最小二乘法的认知做一个小结。一、最小二乘法的原理与解决的问题:最小二乘法是由勒让德在19世纪发现的,原理的一般形式很简单,当然发现的过程是非常艰难的。形式如下式:观测值就是我们的多组样...原创 2021-12-19 21:31:33 · 709 阅读 · 0 评论 -
【机器学习】<刘建平Pinard老师博客学习记录>线性回归原理
目录一、线性回归的模型函数和损失函数:二、线性回归的算法:1.梯度下降法:2.最小二乘法:三、线性回归的推广:多项式回归四、线性回归的推广:广义线性回归五、线性回归的正则化:一、线性回归的模型函数和损失函数:二、线性回归的算法:1.梯度下降法:【机器学习】<刘建平Pinard老师博客学习记录>梯度下降(Gradient Descent)_故里的博客-CSDN博客目录一、梯度:二、梯度上升和梯度下降:三、梯度下降法算法详解:1.梯度下降的直观解释:2.梯度下原创 2021-12-19 21:56:19 · 1317 阅读 · 0 评论 -
【机器学习】<刘建平Pinard老师博客学习记录>交叉验证(Cross Validation)
交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证,顾名思义,就是重复的使用数据,把得到的样本数据进行切分,组合为不同的训练集和测试集,用训练集来训练模型,用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集,某次训练集中的某样本在下次可能成为测试集中的样本,即所谓“交叉”。 那么什么时候才需要交叉验证呢?交叉验证用在数据不是很充足的时候。比如在我日常项目里面,对于普通适中问题,如果数据样本量小于一万条,我们就会采用交叉验证来训练优化选择...原创 2021-12-19 19:44:15 · 286 阅读 · 0 评论 -
【机器学习】<刘建平Pinard老师博客学习记录>精确率与召回率,RoC曲线与PR曲线
目录一、TP, FP, TN, FN:二、精确率(precision),召回率(Recall)与特异性(specificity):三、RoC曲线和PR曲线:一、TP, FP, TN, FN:True Positives,TP:预测为正样本,实际也为正样本的特征数 False Positives,FP:预测为正样本,实际为负样本的特征数 True Negatives,TN:预测为负样本,实际也为负样本的特征数 False Negatives,FN:预测为负样本,实际为正样本的特征数原创 2021-12-19 21:11:58 · 572 阅读 · 0 评论 -
【机器学习】<刘建平Pinard老师博客学习记录>Lasso回归算法: 坐标轴下降法与最小角回归法
一、回顾线性回归:线性回归:【每日一更】<吴恩达-机器学习>单变量的线性回归&认识梯度下降_故里的博客-CSDN博客一、单变量线性回归 - Linear regession with one variable:Supervised Learning: Gives the "right answer" for each example in the data.Regression Problem: Redict real-valued outputClassfication Problem:原创 2021-12-19 21:55:22 · 1505 阅读 · 0 评论 -
【机器学习】<刘建平Pinard老师博客学习记录>感知机原理
目录一、感知机模型:二、感知机模型损失函数:三、感知机模型损失函数的优化方法:四、感知机模型算法:五、感知机模型的算法对偶形式:六、小结:感知机可以说是最古老的分类方法之一了,在1957年就已经提出。今天看来它的分类模型在大多数时候泛化能力不强,但是它的原理却值得好好研究。因为研究透了感知机模型,学习支持向量机的话会降低不少难度。同时如果研究透了感知机模型,再学习神经网络,深度学习,也是一个很好的起点。这里对感知机的原理做一个小结。一、感知机模型:...原创 2021-12-20 14:26:57 · 1754 阅读 · 0 评论 -
【Python爬虫】<万物可爬>Scrayp框架
目录Scrapy概述:安装Scrapy:创建一个Scrapy爬虫项目:1.使用scrapy创建一个工程:2.创建爬虫文件:Scrapy项目结构:response的属性和方法:Scrapy架构组成:Scrapy Shell:安装:应用:Scrapy概述: Scrapy是一个为了爬取网站数据,提取结构性数据而编写的应用框架。可以应用在包括数据挖掘,信息处理或存储历史数据等一系列的程序中。安装Scrapy:pip install s...原创 2021-09-12 22:53:30 · 1179 阅读 · 7 评论 -
【Python爬虫】<万物可爬>Selenium+自动化测试工具 获取数据
目录第一个爬虫程序:Web请求的全过程剖析:HTTP协议:请求:请求头中常见的重要内容:请求方式:响应:Requests:数据解析:数据提取的三种解析方式:正则表达式:爬取案例:获取数据结果:安装bs4:环境搭建:安装Selenium安装浏览器驱动程序:EdgeDriver:ChromeDriver:Selenium元素定位:Chrome Handless:系统要求:第一个爬虫程序:爬虫:通过编写程序来获...原创 2021-09-11 00:01:12 · 1797 阅读 · 2 评论 -
【Python数据分析】<数据分析工具>基于Excel的数据分析
目录一、软件操作:EXCEL36个技巧:EXCEL快捷键:一、软件操作:EXCEL36个技巧:技巧清单 方法指点 技巧1:单元格内强制换行 alt+enter 技巧2:锁定标题行 视图-冻结窗格,放下一行冻结上一行 技巧3:查找重复值 开始-条件格式-突出显示单元格规则 技巧4:删除重复值 数据-删除重复值 技巧5:快速给数据打勾√ alt+41420 技巧6:万元显示 输入10000,复制然后...原创 2021-09-24 00:24:58 · 326 阅读 · 0 评论