- 博客(13)
- 收藏
- 关注
RSS订阅原创 lhy机器学习（六）： ML Lecture 10 Convolutional Neural NetWork （卷积神经网络）
1.为什么要用CNN对于一般的神经网络，在图像分类上，我们期望把每个神经元当做一个分类器，每个分类器输出不一样的特征，但是假如输入是一个3*100*100（3是rgb）的输入，我们如果第一层有1000个神经元，那么第一层就有3*100*100*1000个参数，那样参数就太多了cnn就是可以简化这个过程，使得不用那么多参数对于每一个神经元来说，比如某个神经元是寻找鸟嘴的特征，那...
2019-08-16 21:01:10
206
原创 lhy机器学习（五）： ML Lecture Anomaly Detection （异常检测—无标签）（三）
异常检测（无标签）有一个项目，就是所有玩家联网共同控制游戏主角进行游戏，那大家就很崩溃，因为有人的行为与多数玩家不同，阻挠大家破关现在我们的问题是没有lable，我们就可以用生成模型，代表某个玩家做出这些行为的几率有多大，当我们发现某个玩家x做出的行为与大家不同，就是在概率模型的分布中小于某个λ阈值，那就是异常的在正常玩家的分布中，距离概率分布的最高点越近，...
2019-08-13 19:52:00
508
原创 lhy机器学习（五）： ML Lecture Anomaly Detection （异常检测）（二）
并不是我们所有时候用分类器来进行异常检测都是好的，比如分类猫和狗，如果输入羊之类的，既没有猫的特征也没有狗的特征，就会把他放在边界上，信心分数就比较低。那么有些东西比猫还像猫，比如老虎，比狗还像狗，比如狼，他们本应该信心分数比较低，因为他既不是猫也不是狗，但是却在猫和狗的特征上比猫和狗更强烈，因此会给分类器很大的信心分数。那怎么解决这种问题呢下面文献给出了一定思路，就是在给机器...
2019-08-13 18:22:53
176
原创 lhy机器学习（五）： ML Lecture Anomaly Detection （异常检测—有标签）（一）
李宏毅机器学习之Anomaly Detection要解决的问题给定一个数据集，我们想要找到一个函数可以区分输入x是否相似于数据集什么是异常异常侦测的应用为什么不用二分类来侦测异常呢，正常的为一类，异常的为一类如果正常的一类就是我们的训练数据集，拥有共性和相近的特征，那异常的一类里面的东西就太离散了，你根本无法穷举所有的异常，换句话说，不是正常的就都是异常，这也是...
2019-08-13 18:10:14
616
原创 lhy机器学习（四）： ML Lecture 7_ Backpropagation（反向传播）
反向传播当神经网络层数很多，每一层又有很多神经元时，参数就异常的多，我们为了实现梯度下降，就要求L（参数1，参数2...）对所有参数的微分，，假如有一百万个参数，每次梯度下降就要求100万次微分，这个计算量可想而知反向传播就是为了解决在求损失函数对参数的微分计算量太大的问题，基于链式法则，我们先回顾一下链式法则下面就是反向传播的计算过程上面的dC/dz...
2019-08-13 16:45:56
170
原创 lhy机器学习（三）： ML Lecture 6 Brief Introduction of Deep Learning（神经网络）
神经网络看看各大神经网络模型的层数把~让我们再回顾一下神经网络的结构，这地方我就不赘述了，根据ppt就能看懂再看一下图像识别的流程，就是把一个图片的像素拉成一个向量，如图就是把256个像素拉成一个向量，代表256个特征，根据256个特征输出识别的值，这是个多分类任务，输出1-10的概率中2的概率最大，那就是2通常神经网络结构构建是需要经验的，在数字...
2019-08-13 15:57:10
208
原创 lhy机器学习（二）： ML Lecture 5 Logistic Regression（逻辑回归）（二）
1.对比判别模型（逻辑回归）和生成模型（有多元高斯分布假设前提的贝叶斯）虽然两种模型的公式一样，但是由于判别模型没有假设前提，而生成模型有假设前提，两种模型求出的w和b的值是不一样的！，这里就记住他们虽然公式一样，但是两种模型求出的w和b不一样就行了~为什么使用生成模型（贝叶斯）求出的结果跟我们实际的不一样呢，这是因为在我们取的样本中，Class2的样本里面没有两个都是1的情况，但是如...
2019-08-13 12:35:01
184
原创 lhy机器学习（二）： ML Lecture 5 Logistic Regression（逻辑回归）（一）
ML Lecture 5 Logistic Regression（逻辑回归）（一）1.逻辑回归模型我们看到逻辑回归公式如下代表样本x属于C1的概率，利用极大似然估计做出损失函数L（w,b），L（w,b）取ln然后取-号，其实就是使L（w,b）最大转换为使-ln（L（w,b））最小。上图推导就是为了说明交叉熵与我们的L（w，b）的关系，于是我们的损失函数...
2019-08-13 11:40:47
183
原创 lhy机器学习（一）：ML Lecture 4 Classification 概率生成模型（Probabilistic Generative Model）
生成模型（Generative Model）为了求给的x是C1类的概率，先看如下公式以Class1（简称C1）为water水系宝可梦，Class2（简称C2）为Normal一般系宝可梦为例，我们现在要求取出一个x海龟宝可梦，他是水系宝可梦的概率是多少红框的项很好算，就是如下此时P（C1）和P（C2）已经很easy算出来，根据上面的P（C1|x）公式，为了求x（海龟）属...
2019-08-13 10:15:45
247
原创 机器学习入门：吴恩达机器学习（第八周）主成分分析法—对于奇异值分解（SVD）与PCA的思考（一）
吴恩达机器学习（第八周）主成分分析法—对于SVD与PCA的思考相信很多基础薄弱的小伙伴在看了Ng男神的PCA章节时，对于奇异值分解（svd）一头雾水，更不清楚svd与主成分分析（PCA）有什么关联，是怎么做到降维的呢？这里我就一步一步告诉大家1.协方差矩阵Ng使用如下协方差矩阵作为svd的输出：那么协方差矩阵是什么呢？通常，在提到协方差的时候，需要对其进一步...
2019-08-11 00:50:46
484
原创 机器学习入门：吴恩达机器学习（第五周）神经网络——反向传播
吴恩达机器学习（第五周）神经网络——反向传播为什么要使用反向传播反向传播详解因为对于小白来说，看的我一头雾水，因此通过搜集资料，整理一下知识，对Ng男神的反向传播加深理解（注：这里引用了其他一些大神的资料O_O）为什么要使用反向传播在反向传播算法提出之前人们应该想到了使用正向传播SGD（梯度下降）学习模型，也想到了一些办法求解网络模型的偏导数，但这些算法求解效率比较低，所以提出反向传播算法来...
2019-08-09 13:20:44
528
1
原创 mybatis与Spring三种开发方式详解（二&三）Mapper动态代理开发&Mapper动态代理扫描包形式开发
mybatis与Spring三种开发方式详解（二）Mapper动态代理开发之前我们说到传统的dao层开发，今天我们来谈谈第二种mybatis与Spring的开发方式，Mapper动态代理开发。首先这里上一波@test测试代码，大家先看一下mybatis测试的完整的过程代码，以便后面的讲解。public class MybatisMapperTest { @Test ...
2018-08-08 23:57:24
964
原创 mybatis与Spring三种开发方式详解（一）传统的dao开发方式
这里mybatis与spring的整合配置方式分为三种：传统的dao开发方式Mapper动态代理形式开发daoMapper动态代理扫描包形式开发dao（增强第二种方式）mybatis与spring三种开发配置方式详解（一）传统的dao开发方式首先这里上一波@test测试代码，大家先看一下mybatis测试的完整的过程代码，以便后面的讲解。public class M...
2018-08-08 22:47:55
1501
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