机器学习
文章平均质量分 59
yueguizhilin
这个作者很懒,什么都没留下…
展开
-
2022中国移动创客马拉松大赛 12W奖金,人少钱多,等你来战!
以“九天赋能,注智5G”为主题的中国移动智能网络创客马拉松大赛如期而至,智能网络专题赛由中国移动研究院、中国移动设计院承办,是中国移动年度双创系列赛事的重要组成部分,面向企事业单位、学生开发者团队开放,广泛征集创新应用项目,充分发挥人工智能引领融合创新的能动效应,聚焦智能网络领域,以赛促用,为人工智能应用创新生态的构建贡献力量。原创 2022-09-26 11:07:38 · 734 阅读 · 1 评论 -
项目过程中遇到的问题
1、VAE由于loss函数是自己定义的,在load_model别人训练好的模型的时候vae = load_model('E:\AItask......'.format(ftype, alertclass, model_filepath), custom_objects={'vae_loss': vae_loss})报错‘tuple index out of range’,后续又改为报错‘...原创 2019-12-31 12:51:56 · 343 阅读 · 0 评论 -
机器学习练习(一)——简单的Iris分类练习
Sklearn 本身就有很多数据库,可以用来练习。 以 Iris 的数据为例,这种花有四个属性,花瓣的长宽,茎的长宽,根据这些属性把花分为三类。我们要用 分类器 去把四种类型的花分开。import numpy as np #导入模块from sklearn import datasets #用数据库去学习,或者把数据库放到tenserflow模块练习from sklea原创 2017-08-30 10:40:14 · 5514 阅读 · 1 评论 -
机器学习练习(五)——高斯异常点检测
#coding:utf-8import numpy as npfrom sklearn.covariance import EllipticEnvelopefrom sklearn.svm import OneClassSVMimport matplotlib.pyplot as pltimport matplotlib.font_managerfrom sklearn.dataset原创 2017-08-30 09:45:40 · 2313 阅读 · 0 评论 -
机器学习练习(四)——异常检测
我们的任务是使用高斯模型来检测数据集中一个未标记(unlabeled)的样本是否应被视为异常。 我们从一个简单的 2 维数据集开始,因此我们可以很容易地可视化这算法的工作原理。 让我们 导入数据并画出散点图。#!/usr/bin/env python# -*- coding:utf-8 -*-# 使用高斯模型来检测数据集中一个未标记(unlabeled)的样本是否应被视为异常原创 2017-08-30 10:02:06 · 708 阅读 · 0 评论 -
机器学习练习(二)——标准化Normalization
由于资料的偏差与跨度会影响机器学习的成效,因此正规化(标准化)数据可以提升机器学习的成效。一、数据标准化from sklearn import preprocessing #标准化数据模块import numpy as np#建立Arraya = np.array([[10, 2.7, 3.6], [-100, 5, -2],原创 2017-08-30 10:54:44 · 644 阅读 · 0 评论 -
机器学习中的维度灾害
转自:https://zhuanlan.zhihu.com/p/27488363对于大多数数据,在一维空间或者说是低维空间都是很难完全分割的,但是在高纬空间间往往可以找到一个超平面,将其完美分割。引用The Curse of Dimensionality in Classification的例子来说明:想象下我们有一系列图片,每张图描述的不是猫就是狗。现在我们想利用这些图片来做一个可以...转载 2018-08-15 15:46:00 · 793 阅读 · 0 评论 -
从Logistic回归到神经网络的一点感悟
从Logistic回归到神经网络的一点感悟第一次写博客,是自己刚迈入新的学习节奏,想写一点东西,整理一下思绪的时候;也希望为数据分析学会的每周技术帖分享起个头。主要是记录自己的感悟,当做学习笔记来写;有错误的地方欢迎指正。从Logistic回归到神经网络的一点感悟线性回归 Line...转载 2018-12-28 15:06:18 · 756 阅读 · 0 评论