- 博客(13)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 记录一个json dumps的对象中包含dataframe元素的错误
代码如下：import pandas as pdimport jsondef a(): df = pd.DataFrame([[31, 'bob'], [21, 'alex']], index=['row_1', 'row_2'], columns=['age', 'name']) print(df) b(df) print("over")def b(df): data = [] data.append({'class': 'a', 'ag
2020-05-14 14:52:55
482
原创 机器学习-SVM
SVM 模型函数如下，如果f(x)>0, 类别为+1， f(x)<0,类别为-1. 这和逻辑回归类别为0和1不一样。用y简单表示。当f(x)>0时，希望y是+1，f(x)<0时，希望y是-1.所以yf(x)是正数，当yf(x)越大，loss越小。SVM的loss function是hinge loss。 定义为 L(f(x),y) = max(0, 1 - y...
2019-10-16 12:52:13
567
原创 项目实战：使用Deep Q Network（DQN）算法让机器学习玩游戏（三）
这个项目用三篇文章进行介绍，各部分的内容如下：项目实战：使用Deep Q Network（DQN）算法让机器学习玩游戏（一）：总体介绍，游戏部分项目实战：使用Deep Q Network（DQN）算法让机器学习玩游戏（二）：算法部分项目实战：使用Deep Q Network（DQN）算法让机器学习玩游戏（三）：算法和游戏的交互部分，模型训练，模型评估，使用相同的算法和参数去玩另外一个不...
2019-10-14 19:06:19
1074
原创 项目实战：使用Deep Q Network（DQN）算法让机器学习玩游戏（二）
这个项目用三篇文章进行介绍，各部分的内容如下：项目实战：使用Deep Q Network（DQN）算法让机器学习玩游戏（一）：总体介绍，游戏部分项目实战：使用Deep Q Network（DQN）算法让机器学习玩游戏（二）：算法部分项目实战：使用Deep Q Network（DQN）算法让机器学习玩游戏（三）：算法和游戏的交互部分，模型训练，模型评估，使用相同的算法和参数去玩另外一个不...
2019-10-14 15:15:07
1275
原创 项目实战：使用Deep Q Network（DQN）算法让机器学习玩游戏（一）
这个项目用三篇文章进行介绍，各部分的内容如下：项目实战：使用Deep Q Network（DQN）算法让机器学习玩游戏（一）：总体介绍，游戏部分项目实战：使用Deep Q Network（DQN）算法让机器学习玩游戏（二）：算法部分项目实战：使用Deep Q Network（DQN）算法让机器学习玩游戏（三）：算法和游戏的交互部分，模型训练，模型评估，使用相同的算法和参数去玩另外一个不...
2019-10-14 12:05:13
2032
原创 逻辑回归模型(Logistic Regression)
逻辑回归符合伯努利分布。伯努利分布就是我们常见的0-1分布，即它的随机变量只取0或者1，各自的频率分别取1−p和p，当x=0或者x=1时，我们数学定义为：所以在常规的逻辑回归模型中，只有两个类别，0或者1，适合二分类问题。模型函数逻辑回归模型可以看成是将线性回归模型放入一个sigmoid函数中。线性回归模型为。sigmoid函数是。所以逻辑回归模型函数是。s...
2019-09-18 08:27:27
4124
原创 强化学习（三）：Deep Q Network（DQN）算法
强化学习（一）：基础知识强化学习（二）：Q learning算法强化学习（三）：Deep Q Network（DQN）算法在上一节中介绍的Q learnig算法利用Q table来记录和检索 Q value，在状态空间较小的情况下可以适用，但是当状态空间很大的时候，利用Q table来维护数据就不太可行了，所以就诞生了deep Q network（DQN）算法，也叫deep Q lea...
2019-08-13 23:02:33
4906
原创 强化学习（二）：Q learning 算法
强化学习（一）：基础知识强化学习（二）：Q learning算法Q learning 算法是一种value-based的强化学习算法，Q是quality的缩写，Q函数 Q(state，action)表示在状态state下执行动作action的quality， 也就是能获得的Q value是多少。算法的目标是最大化Q值，通过在状态state下所有可能的动作中选择最好的动作来达到最大化期望re...
2019-08-13 00:21:39
24696
4
原创 深度学习（二）-卷积神经网络（Convolutional Neural Networks）
为什么要用卷积神经网络图像对于计算机来说就是像素点的集合。如果是灰度图像，就是一个二维矩阵，矩阵里面的值表示的是这个像素的灰度值。如果是彩色图片，如RGB，则是一个x*y*3的三维矩阵，每一个颜色channel都是一个二维矩阵，3个颜色构成一个三维矩阵。为什么不用普通的fully connected network去处理图片呢？原因有两个，如果把一个三维矩阵变成一个一维数组作为输入，一方面...
2019-08-10 06:41:20
2443
1
原创 强化学习（一）：基础知识
强化学习是什么我们先通过图一的三种方法的对比来看看强化学习和其他方法的差异是什么：图一.各种学习算法有监督学习（supervised learning）：它的数据都是有标签y的。比如手写数字分类问题中，输入的是手写数字的图片，标签就是这个图片属于的类别，比如所有数字0的类别是0，这样手写数字集会有10个类别，0-9就是它的标签。有监督学习的目标就是对于输入数据x，预测出它所属...
2019-08-07 06:03:20
3213
2
原创 深度学习（一）：深度学习基础知识
随着数据（越来越多的数据集，数据收集和存储越来越容易），软件（tensorflow等），硬件（GPU等）的发展，深度学习受到越来越多的人的青睐。深度学习有多个不同的算法，这些算法大都由神经网络构成，神经网络又是由一个一个神经元构成。神经网络详细介绍可以参考这篇文章：神经网络浅讲：从神经元到深度学习。下面我们对深度学习的一些基础知识点进行一下介绍。前向传播：图1描述的是感知机的前向传播。...
2019-07-31 23:34:38
1341
原创 标准化与归一化
标准化标准化（standardization）是将数据减去平均数再除以标准差，公式如图1第3个所示标准差（standard deviation）又叫均方差，公式是图1. 四种Feature scaling(特征缩放)方法用数据看看效果是什么样的：import numpy as npfrom sklearn import preprocessingdata = np.ar...
2019-07-27 03:13:58
2530
原创 机器学习(一)：机器学习基础知识及感知机（perceptron）/ 线性回归（linear regression）
在这篇文章中，我们会介绍机器学习的基础知识及一个简单的线性模型-感知机模型。机器学习（machine learning）是创建和使用数学的数据结构来对数据进行预测。这些数据结构（也叫模型）有多种表现形式，比如树，图，代数方程以及概率分布等。我们先从线性模型（linear model）开始讲起。机器学习的基础知识我们举一个例子，有一个橄榄球俱乐部和一个芭蕾舞俱乐部相隔很近，有一些芭蕾舞运...
2019-07-21 09:07:11
1239
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人