- 博客(12)
- 资源 (1)
- 问答 (2)
- 收藏
- 关注
原创 随驾梯度下降
随机梯度下降假设函数损失函数批量梯度下降import numpy as npimport randomdef gen_line_data(sample_num=100): x1 = np.linspace(0, 9, sample_num) x2 = np.linspace(1, 10, sample_num) x3 = np.linspace(2, 11, sample_num) x = np.concatenate(([x1], [x2], [x3]),
2021-11-12 09:32:33 93
原创 强化学习——Actor Critic Method
代码如下:import gym, osfrom itertools import countimport paddleimport paddle.nn as nnimport paddle.optimizer as optimimport paddle.nn.functional as Ffrom paddle.distribution import Categorical# print(paddle.__version__)device = paddle.get_device()e
2021-10-21 17:02:55 87
原创 paddlepaddle手写体识别
代码如下:import paddlefrom paddle.nn import Linearimport paddle.nn.functional as Fimport osimport numpy as npimport matplotlib.pyplot as pltfrom PIL import Image# train_dataset = paddle.vision.datasets.MNIST(mode='train')# train_data0 = np.array(trai
2021-10-19 19:47:32 224
原创 主成分分析(PCA)
主成分分析(PCA)代码如下:import numpy as npx = np.array([2.5, 0.5, 2.2, 1.9, 3.1, 2.3, 2, 1, 1.5, 1.1])y = np.array([2.4, 0.7, 2.9, 2.2, 3.0, 2.7, 1.6, 1.1, 1.6, 0.9])#计算平均值mx = x.mean()my = y.mean()xx = np.empty(10)yy = np.empty(10)for i in range(0, 10):
2021-10-07 17:16:47 61
原创 改进Euler算法
改进Euler算法在Euler算法的基础上,将算出的x1,y1值作为已知量,算出x1点的斜率。将x1,x0点的斜率加和求平均,再带入公式重新计算x1,y1,从而使其数值更加精确。代码如下:import matplotlib.pyplot as pltimport numpy as npx1 = np.zeros(100)y1 = np.ones(100)for i in range(1, 100): y1[i] = 1.1*y1[i-1]-0.2*x1[i-1]/y1[i-1]
2021-09-24 09:05:07 5023
原创 机器学习-感知器初识
机器学习-感知器初识代码如下:import numpy as npimport mathx = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])t = np.array([0, 1, 1, 1])alpha = 0.1theta0 = np.random.random()theta1 = np.random.random()theta2 = np.random.random()theta = np.array([theta1, theta2])e
2021-09-09 17:20:05 108 1
原创 监督学习算法初识
监督学习算法初识简而言之,就是通过已知数据的拟合出一条线性线,来预测数据的变化随机梯度下降法(Stochastic Gradient Descent,SGD):随机梯度下降法不同于批量梯度下降,随机梯度下降是每次迭代使用一个样本来对参数进行更新。通过对参数的不断拟合,从而找出最优的解。import numpy as npimport matplotlib.pyplot as pltx1 = np.array([2104, 1600, 2400, 1416, 3000])x2 = np.ar
2021-09-03 14:24:12 85
原创 numpy入门——python中的广播机制(broadcasting)
# numpy入门-广播机制(broadcasting)广播机制可以简单的理解为python中的矩阵自动补全功能,例如下面这个两个矩阵:import numpy as npdate1 = np.array([10,20,30])date2 = np.array([3.8])print(date1,date2)[10 20 30] [3.8]在两个矩阵进行+,-,*,/的操作时,date1中的每一个元素都要与date2中的元素进行+,-,*,/的操作,具体过程如下:
2021-09-01 20:53:06 369
原创 从键盘任意输入一个字符,编程判断是否是字母(包括大小写)
从键盘任意输入一个字符,编程判断是否是字母(包括大小写)。输入描述:多组输入,每行输入包括一个字符。输出描述:针对每行输入,输出该字符是字母(YES)或不是(NO)。输入样式:H9输出样式:YESNO本题考察的重点是如何使用scanf读入多行数据,以及判断布尔运算符如何编写。使用getchar函数可以读入多余的回车符,以及利用小括号改变布尔表达式的优先级。代码:方法一:#include <stdio.h> int main() { char ch =
2020-08-14 11:38:32 10594
用腾讯云使用jupyter notebook显示连接已重置
2021-11-15
python中如何计算一个矩阵的点积
2021-04-01
TA创建的收藏夹 TA关注的收藏夹
TA关注的人