![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 85
wyssailing
乐观,开朗
展开
-
西瓜书支持向量机(SVM)---点到超平面的距离的推导
点到超平面距离的推导公式如下:r=∣wTx+b∣∣∣w∣∣ r=\frac{|w^Tx+b|}{||w||}r=∣∣w∣∣∣wTx+b∣其中:根据超平面的定义:r是点到超平面的距离,www是超平面的法向量,b是偏置项。下面是推导过程,如下图所示:其中L是超平面,满足超平面方程:wTx+b=0w^Tx+b=0wTx+b=0,x1x_1x1是空间中一点,作x1x_1x1与超平的的垂直线,交超平面于点x0x_0x0,于是r就是点x1x_1x1到超平面的距离。根据向量点乘的定义,我们有下面的公原创 2021-01-10 15:53:44 · 2846 阅读 · 0 评论 -
BP神经网络(四)--梯度下降法python实例
下面我们将用python实现一个简单的梯度下降算法。场景是一个简单的线性回归的例子:假设现在我们有一系列的点,如下图所示:从图上可以看出横坐标x的取值范围是0到20,近似于一条直线。这里用梯度下降法来拟合这条曲线。由于这条曲线近似于直线,所以用线性方程做拟合。我们假设线性方程式为:h(Θ)(x(i))=Θ0+Θ1x(i)h_{(\Theta)}(x^{(i)})=\Theta_0+\Thet...原创 2020-03-15 11:26:00 · 1348 阅读 · 0 评论 -
BP神经网络(三)--梯度下降法
梯度下降法常用于神经网络负反馈过程中参数的优化。下面对梯度下降法做解释说明。场景梯度下降法的基本思想可以类比为一个下山的过程。 假设场景:一个人被困在山上,需要从山上下来(i.e. 找到山的最低点,也就是山谷)。 但此时山上的浓雾很大,导致可视度很低。因此,下山的路径就无法确定,他必须利用自己周围的信息去找到下山的路径。这个时候,他就可以利用梯度下降算法来帮助自己下山。以他当前的所处的位置...原创 2020-02-29 20:34:56 · 4006 阅读 · 0 评论 -
BP神经网络(二)--为何梯度反方向函数下降
常看到很多地方说梯度的反方向是函数下降最快的方向,为何?这里给出详细的解释和理解过程。首先来说说梯度:梯度的本意是一个向量(矢量),表示某一函数在该点处的方向导数沿着某个方向可以使方向导数取得最大值,即函数在该点处沿着某方向(梯度的方向)变化最快,梯度的模为方向导数的最大值。沿某一方向变化,是用方向导数描述,变化最快,即方向导数取最大值。总结起来是说,梯度就是在函数某点的方向导数取得最大值的...原创 2020-02-27 16:15:36 · 300 阅读 · 0 评论 -
Python中归一化特征到一定区间的函数——MinMaxScaler()
MinMaxScaler()函数在sklearn包中MinMaxScaler()函数原型为:sklearn.preprocessing.MinMaxScaler(feature_range=(0, 1), copy=True)其中:feature_range:为元组类型,范围某认为:[0,1],也可以取其他范围值。copy:为拷贝属性,默认为True,表示对原数据组拷贝操作,...原创 2019-09-08 14:06:06 · 53574 阅读 · 4 评论 -
人工智能-KNN算法
KNN算法在识别算法中属于相对比较简单的。举个例子就好理解。如果有九个人,手里分别拿着写有1到9数字的卡片。比如第一个人拿着数字1,第二个人拿着数字2,以此类推,第九个人拿着数字9。好了,现在规定拿着数字1到3的三个人为红队,4到6的为黄队,7到9的为蓝队。现在又来了一个人,他拿着1到9中随机的一个数。那么他应该分到哪个队呢?那位要说了,那还不好分,属于哪段区间就分到哪个队好了。话是这样...原创 2019-09-10 22:57:33 · 789 阅读 · 0 评论 -
KNN算法实例——Minist数据集识别
下面给出用KNN算法识别Minist数字集的源码讲解:背景介绍:KNN算法也叫k临近算法。Minist数字集是比较常用的数字识别的数字集。数字集中包含0到9这九种数字,每一种数字都有很多不同的样本。分为训练集和测试集两个部分。实例中训练集中一共有1934个样本,测试集中一共有946个样本。本程序要实现的就是用KNN算法,以训练集为依托,对测试集的样本进行预测,最后观察KNN算法识别准确...原创 2019-09-15 06:21:36 · 2754 阅读 · 1 评论