- 博客(8)
- 收藏
- 关注
RSS订阅原创 P27carrylessAdd
众所周知，我们常见的加法规则是类似与 8 + 7 = 15这种，但是现在我们需要设计一种全新的加法运算规则：忽略进位的加法计算。例如输入18和27，答案会是35，而非正常的45。学习平台:【聪明办法学Python第二版】 https://www.bilibili.com/video/BV1pH4y1S71T。，返回此方法下计算后的结果。
2024-04-04 10:01:01
141
1
原创 task5-支持向量机
落在带子上的样本不计算损失（类比线性回归在线上的点预测误差为0），不在带子上的则以偏离带子的距离作为损失（类比线性回归的均方误差），然后以最小化损失的方式迫使间隔带从样本最密集的地方（中心地带）穿过，进而达到拟合训练样本的目的。几何间隔最大超平面一定是“距离正负样本都最远的超平面”的原因：当超平面没有正确划分正负样本时，几何间隔最小的为误分类点，γ＜0：当超平面正确划分超平面时：γ≥0，且越靠近中央越大。给定数据集X和超平面，定义数据集X关于超平面的几何间隔为：数据集X所有样本点的几何间隔最小值。
2023-11-02 01:08:30
35
原创 学习记录task4--神经网络
理想中的激活函数是阶跃函数也就是sgn函数，但实际用的是sigmoid函数（因为其连续光滑的较好性质），将大范围变化的输入挤压到（0，1）输出，也称为挤压函数。❷感知机学习策略：随机初始化ω，b，将全体训练样本带入模型找出误分类样本集合M，损失函数为Σ（估计值-真实值）x（阶跃函数内函数）。接受n个输入，并给各个输入赋予权重，计算加权和，然后与自身的阈值Θ进行比较（作减法），最后通过激活函数处理得到输出。遗传算法，模拟退火等，用来训练模型接近全局最小，但缺乏理论保障，大都是启发式。
2023-10-29 18:51:59
38
1
原创 学习记录task3
决策树这一章主要是讲分类，同时用到上一章的信息熵的知识，都是较好理解的。主要有三类决策树，其中，CART既能做决策树处理分类问题又可以做回归树处理回归问题，大概思想是将样本的特征空间划分成M个子空间，然后给定一个样本，判断其属于哪个子空间就用这个空间的平均值作为预测值。学习笔记来源，指路☟。
2023-10-26 13:59:54
158
原创 R语言install.packages但是无法打开网址的解决
如上图，试过的解决办法有很多，不再一一列举，见【R 安装包安装（install.packages）总是出错无法打开（cannot open）URL？下图是成功的解决办法，关闭防火墙即可成功install.packages。
2023-10-18 11:40:50
755
1
原创 学习记录task1
人工智能是范围最大的，非常宽泛，概念泛化了。机器学习是统计规律的算法学习，深度学习是机器学习下的一个分类，一个子集，是应用神经网络类算法的统称，一个比较通用的算法。学习内容2：机器学习3W（研究学习算法，迁移应用到自己领域，达到看懂推导过程，会用库的程度就好）学习内容1：了解人工智能，机器学习，深度学习三者的范围。数据决定可用模型的上限，算法让模型无限逼近上限。学习笔记来源，指路☟。
2023-10-16 21:19:04
39
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人