xinsunny-CSDN博客

原创欣sunny的点滴之numpy.random

请说明Numpy中随机数生成模块numpy.random主要包含哪些随机数生成函数，它们有哪些区别，请用具体例子说明。另外请说明numpy.random模块中设置随机种子的作用是什么，同样请举例说明。（1）random.random()random.random()用于生成一个0到1的随机符点数: 0 <= n < 1.0（2）random.uniform(a, b)　　random.uniform（a，b）用于生成一个指定范围内的随机符点数。如果a > b，则生成的随机数n:

2022-04-29 20:33:02 765

原创欣小白的点滴 ————GAN神经网络

一.GAN网络的简述。我感觉GAN网络（生成式对抗网络）可以理解为造假，在造假的过程中不断的更新数据使物品的相似度逐渐增加，从similar变为same。在这个过程中我们需要两部分，生成模型（Generative Model）可以将一个输入噪音生成和真实数据差不多的数据；判别模型（Discriminative Model）能够判断出真实数据（真钱）和类真实数据。GAN网络的目标是使得生成的数据和真实数据更接近。为了达到这个目标，一方面，我们要求G(x)（生成模型网络）能够学习到一组很好的模型参数，使得D

2020-10-18 13:41:20 798 1

原创欣小白的点滴 —————贝叶斯个性化排序（Bayesian Personalized Ranking 即BPR）

一.简介。排序推荐算法大体上可以分为三类，第一类排序算法类别是点对方法(Pointwise Approach)，这类算法将排序问题被转化为分类、回归之类的问题，并使用现有分类、回归等方法进行实现。第二类排序算法是成对方法(Pairwise Approach)，在序列方法中，排序被转化为对序列分类或对序列回归。所谓的pair就是成对的排序，比如(a,b)一组表明a比b排的靠前。第三类排序算法是列表方法(Listwise Approach)，它采用更加直接的方法对排序问题进行了处理。它在学习和预测过程中都将排

2020-10-11 16:32:26 906 1

原创欣小白的点滴 ——图卷积网络（GCN）

一.基础内容。1.邻接矩阵邻接矩阵表示顶点间关系，是n阶方阵（n为顶点数量）。邻接矩阵分为有向图邻接矩阵和无向图邻接矩阵。无向图邻接矩阵是对称矩阵，而有向图的邻接矩阵不一定对称。2.度矩阵度矩阵是对角阵，对角上的元素为各个顶点的度。顶点vi的度表示和该顶点相关联的边的数量。无向图中顶点vi的度d(vi)=N(i)。有向图中，顶点vi的度分为顶点vi的出度和入度，即从顶点vi出去的有向边的数量和进入顶点vi的有向边的数量。3.特征矩阵特征矩阵是设 A 是n阶方阵，如果存在数m和非零n维列向

2020-09-26 23:12:16 5744 1

原创欣小白的点滴 ————人工神经网络(ANN)

一.概念理解计算机神经网络是一种模仿生物神经网络(动物的中枢神经系统，特别是大脑)的结构和功能。神经网络是一种运算模型，由大量的节点(或称神经元)之间相互连接构成。每个节点代表一种特定的输出函数，称为激励函数或者激活函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。神经网络的输出根据网络的连接方式、权重值和激活函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。简而言

2020-08-06 21:27:23 591

原创欣小白的点滴 ————协同过滤算法

一.推荐系统的简述。Resnick和Varian于1997年给出了被大家广泛接受的关于推荐系统的描述：“它利用电子商务网站向客户提供了商品的信息和建议,帮助用户决定购买产品的选择,以及模拟销售人员帮助用户完成购买过程。”推荐系统有三个主要组成部分，分别是用户模型、推荐项目模型、推荐算法，推荐系统把用户模型中用户的兴趣或需求信息和推荐项目模型中的特征信息进行匹配，过程中使用相应的推荐算法计算筛选，找出用户可能感兴趣的推荐项目，然后呈现给用户。推荐算法是整个推荐系统的核心，可以说推荐算法决定了推荐系统

2020-07-30 17:10:55 794

原创欣小白的点滴 ————矩阵分解

一.矩阵的乘法运算例如：注意：1.只有在下列情况下，两个矩阵的乘法才有意义，或说乘法运算是可行的：左矩阵的列数＝右矩阵的行数。2.在矩阵的乘法中，必须注意相乘的顺序．即使在AB与BA均有意义时，也未必有AB=BA成立．可见矩阵乘法不满足交换律矩阵的转置：二.介绍矩阵分解。以用户-项目评分矩阵为例，矩阵分解就是预测出评分矩阵中的缺失值，然后根据预测值以某种方式向用户推荐。经典案例要做推荐系统，最基本的一个数据就是，用户-物品的评分矩阵矩阵中，描述了5个用户(U1,U2,U3,U4 ,

2020-07-22 21:52:24 296

原创欣小白的点滴 ————kmeans算法

一.kmeans算法的简介。K-means聚类算法也称k均值聚类算法，是集简单和经典于一身的基于距离的聚类算法。它采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为类簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。聚类与分类的区别：聚类：物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。分类：分类就是按照某种标准给对象贴标签(label)，

2020-07-19 12:53:44 966

原创欣小白的点滴 ——knn算法

一.knn算法简介knn算法（ k nearest neighbor也叫K临近算法）分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。经典案例有两类不同的样本数据，分别用蓝色的小正方形和红色的小三角形表示，而图正中间的那个绿色的圆所标示的数据则是待分类的数据。也就是说，现在，我们不知道中间那个绿色的数据是从属于哪一类（蓝色小正方形or红色小三角形），下面，我们就要解决这个问题：给这个绿色的圆分类。我们要判别上图中那

2020-07-16 18:30:53 544

xinsunny的博客