机器学习
文章平均质量分 61
小灰机大
一时躺平一时爽~
一直躺平一直爽~
爱好摸鱼,擅于拖延,向往躺平~
展开
-
从官网下载/处理 MNIST 数据集,并构造CNN网络训练
(可以直接运行)从官网下载并处理MNIST数据集,并构造 CNN 网络进行训练原创 2023-03-11 21:28:32 · 3637 阅读 · 2 评论 -
李沐老师 d2l库画图在 pycharm 动态显示问题(已解决)
李沐老师 d2l库画图在 pycharm 动态显示问题(已解决)原创 2022-08-16 13:43:52 · 11057 阅读 · 13 评论 -
DataWhale组队数据分析学习 -- 第三章模型建立评估
import pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as pltfrom IPython.display import Imageimport os%matplotlib inlinenotes:使用 seaborn 进行图形化展示# PIL的参数设置# 设置界面的中文的字体plt.rcParams['font.sans-serif'] = ['SimHei']#原创 2022-01-21 00:10:33 · 815 阅读 · 0 评论 -
DataWhale组队数据分析学习 -- 第二章第四节数据可视化
DataWhale组队数据分析学习 – 第二章第四节数据可视化–task04主要内容本次依然是 pandas 的部分用法,比以往 加入了 matplotlib.pyplot 模块的用法,做了常用的柱状图、折线图等用法取展示数据 Jupyter Notebook Preview %matplotlib inlineimport matplotlib.pyplot原创 2022-01-18 15:03:39 · 974 阅读 · 0 评论 -
DataWhale组队数据分析学习 -- 第二章第二、三节数据重构
1. 本质来说就是 pandas 的使用,用处不大,但组队模式蛮好原创 2022-01-14 12:23:00 · 688 阅读 · 0 评论 -
DataWhale组队数据分析学习 -- 第二章第一节数据清洗及特征处理
本期学习是内容非常简单的 pandas 的非常基础的内容原创 2022-01-12 17:53:37 · 745 阅读 · 0 评论 -
DataWhale组队数据分析学习 -- 第一章,前三节pandas Numpy基础
原创 2022-01-12 00:26:50 · 208 阅读 · 0 评论 -
DataWhale组队深度学习第五章 -- CNN
卷积神经CNN课程链接:https://datawhalechina.github.io/unusual-deep-learning/#/5.CNN文章目录卷积神经CNN卷积表达式应用场景卷积神经网络基本原理数据填充感受野激活函数池化层全连接层主要应用自然语言处理领域主要应用卷积自然图像中物体大多具有局部不变性特征[①][②][③],但全连接的前馈网络很难提取这些局部不变性特征,但卷积神经网络(Convolutional Neural Networks)则可以。表达式(f**g*)(n)称为原创 2021-11-28 00:09:11 · 2785 阅读 · 0 评论 -
Datawhale组队深度学习第四章--前馈神经
Datawhale组队深度学习–前馈神经文章目录Datawhale组队深度学习--前馈神经神经元模型神经元(M-P)感知器感知器BP 算法BP算法的基本过程激活函数神经元模型神经元(M-P)在此模型中,每一个神经元都是接受其他的 n 个神经元的信号,将信号与不同神经元的不同权重进行权重加权后求和,若此求和的结果与阈值比较,进行激活函数处理,便可以得到神经元的输出。M-P 模型的逻辑运算取反运算逻辑或逻辑与网络结构分为,输入层,输出层,中间层感知器感知器单层感知原创 2021-11-24 00:26:34 · 631 阅读 · 0 评论 -
DataWhale深度学习第三章 -- 机器学习基础
文章目录DataWhale深度学习第三章 -- 机器学习基础机器学习基础机器学习分类数据集误差分析有监督学习线性回归逻辑回归支持向量机决策树随机森林无监督学习聚类前馈神经主要内容神经元模型神经元结构感知器BP算法基本过程激活函数DataWhale深度学习第三章 – 机器学习基础courseLink: https://datawhalechina.github.io/unusual-deep-learning/#/README机器学习基础机器学习分类有监督学习(SupervisedLearni原创 2021-11-20 21:56:39 · 797 阅读 · 0 评论 -
DataWhale 深度学习前两章
机器学习前两章机器学习概论分类有监督学习: 跟学师评无监督学习: 自学标评强化学习: 自学自评数学基础线代标量向量张量: 可以用来表示矢量、标量和其他张量直接的线性关系的多线性函数,其中标量是0阶张量,矢量是一阶张量,矩阵是二阶张量,三维数组称为三阶张量.矩阵: 一个二维数组组成矩阵的秩:矩阵列向量中的极大线性无关组的数目,记作矩阵的列秩,同样可以定义行秩。矩阵的逆:矩阵和自己的逆矩阵相乘等于单位矩阵概率伯努利分布,也称0-1分布。二项分布:KL散度,描原创 2021-11-15 21:23:11 · 666 阅读 · 0 评论 -
机器学习 -- 《机器学习》(周志华)第五章笔记
机器学习 – 《机器学习》(周志华)第五章笔记神经网络摘要神经网络是具有适应性的简单单元组成的广泛并进行互联的网络,他的组织能够模拟生物神经系统进行对真实的世界物体所作出的交互反应,其并不是生物学意义上的神经网络。它由众多的简单单元组合,其中一个被“刺激”后“激活”,其便会向其他单元发送“反应”笔记M-P神经元模型每个神经元有其适当的权重。当一个或多个神经元给当前神经元进行刺激后,对其输入以及权重进行计算,如果超过当前神经元阈值,则当前神经元被激活,然后当前神经元通过“激活函数” 进行处理,原创 2021-09-03 00:29:34 · 386 阅读 · 0 评论 -
机器学习 -- 《机器学习》(周志华)第四章笔记
机器学习 – 《机器学习》(周志华)第四章笔记摘要本章为决策树(decision tree)内容,决策树是一种较为常见的机器学习方法。决策树基于“树”型,是一种常见的自然判断,是一种“判定”的过程。笔记决策树 学习的目的是为了产生一个泛化能力强,也即是处理没有见过的示例的能力强的决策树决策树基本流程遵循“分而治之”(divide-and-conquer) 策略决策树过程:是一个递归过程,有三种情况会导致递归返回a. 当前节点包含的样本属于同一类别,不需要进行划分b. 当前属性集为原创 2021-08-31 00:10:19 · 419 阅读 · 0 评论 -
机器学习 -- 《机器学习》(周志华) 第三章
机器学习 – 《机器学习》(周志华) 第三章笔记正交回归点距离线的距离是正交回归线性回归点垂直方向到线的距离将离散特征转为线性公式极大似然估计用途:估计概率分布的参数值方法:写出随机变量X的概率密度函数写出似然函数求出使得L(μ,σ^2) 取到最大值的μ,σ概率密度函数最小二乘法基于方误差最小化来进行求解的方法凸集1凸函数时需要,最优化领域凹凸性与高数中不同梯度梯度为 多元 函数的一阶导数线性判别分析给定训练集,将样例原创 2021-08-24 01:22:05 · 1158 阅读 · 0 评论 -
机器学习 --《机器学习》(周志华)第一、二章
吃瓜笔记(第一、二章)《机器学习》(周志华)笔记通过对大量的对象属性进行分析后得到模型的过程称之为训练进行科学推理常用方法归纳从特殊到一般的总结、归纳出一般规律演绎从一般规律不同的模型会有不同的归纳偏好,也会得到不同的推演结论不同的偏好的算法,并非就有一个更好。而是,两者在不同的情况下,都会有自己的优势,更接近事实合取式、析取式、合取范式、析取范式仅由有限个文字构成的析取式称作“简单析取式”:﹁p ∨ ﹁q p ∨ q仅由有限个文字构成的原创 2021-08-17 21:50:28 · 527 阅读 · 0 评论