あずにゃん梓喵的博客

大数据hive报错

人工智能 个人学习笔记（不定时更新）1.监督学习 1.监督学习的 例子一：预测房价 假设现在有一栋750平方英尺的房子，能卖多少钱 1.给算法一个数据集，其中包含正确答案，也就是说我们给算法一个房价数据集，在这个数据集中的每个样本我们都给出正确的价格， 即这个房子的实际卖价，算法的目的就是给出更多正确答案。 2.回归问题： 假如要给一套新房子给出估价，用...

人工智能 个人学习笔记（不定时更新）1.监督学习算法例子 1.回归问题 预测房子价格数据集，不同尺寸大小的房子对应不同的售价。假如现在1250平方英尺(绿色箭头)的房子能卖220000美元。 之所以是一个监督学习算法，是因为每个样本都有一个正确答案。而且我们知道数据集中卖出房子的实际大小和价格，而且这还是一个回归问题。 回归是指我们预测一个具体数值的输出，也就是价格数...

人工智能 个人学习笔记（不定时更新）1.监督学习 回顾 1.数据集如下：阳性样本和阴性样本，即良性和恶性 2.对于如下监督学习的每一个样本，我们已经清楚地标识出哪个是正确答案，即是良性还是恶性，给出了明确的定义标签 3.而无监督学习与监督学习相反，无监督学习中的每个样本中都具有相同标签或都没有标签，即没有指定每个样本实际究竟是良性还是恶性2.无监督学习 1.在...

人工智能 个人学习笔记（不定时更新）from keras.models import Sequential from keras.layers.core import Densemodel = Sequential() # 包含 12 个人工神经元的单层网络，有 8 个输入变量(也称为特征)model.add(Dense(12, input_dim = 8, kernel_i...

window下 人工智能 Keras、TensorFlow 的环境安装 总文章window下安装 anaconda（python 3.6 / python 3.7）链接：https://pan.baidu.com/s/1A2i7uPvTUsDf_5F_Jo69bA提取码：u8wv========== 暂时推荐安装 anaconda（python 3.6）======...

人工智能 个人学习笔记（不定时更新）目标函数：既可代指损失函数，又可代指代价函数/成本函数。有的地方将损失函数和代价函数没有细分也就是两者等同的。损失函数(Loss function)： 损失函数越小，就代表模型拟合的越好。 例如有平方误差损失函数、二分对数损失函数（二元标签预测）、多分类对数损失（多分类标签预测）代价函数/成本函数(Cost funct...

人工智能 个人学习笔记（不定时更新）1.下图一个常见的线性回归假设函数：hθ(x) 1.没有向量化的公式：hθ(x)=求和公式θ_j*x_j，用于计算j=0到j=n的和。 2.向量化的公式：hθ(x)=θ^T*x 把hθ(x)看作是θ^T乘以x(θ转置乘以x)，那么就可以写成计算两个向量的内积，其中向量θ=[θ0,θ1,θ2]。 这里假设有两个特征量，比如特征变量的数...

人工智能 个人学习笔记（不定时更新）1.正规方程（区别于迭代方法的直接解法） 对于某些线性回归问题，正规方程能给我们更好的方法来求得参数θ的最优值。 1.前面讲解中一直在使用的线性回归算法是梯度下降法(迭代算法)，目的是为了最小化代价函数J(θ)。使用这种梯度下降法(迭代算法)需要经过很多步， 也就是需要梯度下降的多次迭代才能收敛到全局最小值。 相反的，正规方程提供...

人工智能 个人学习笔记（不定时更新）1.梯度下降 1.梯度下降算法的意义：可以将线性回归的代价函数J实现最小化，当然梯度下降还可以最小化其他函数。 2.下面的例子：使用梯度下降算法最小化 任意函数J 下面图示：线性回归定义的的代价函数J，也许是一个需要最小化的其他函数，此时需要使用一个算法来最小化函数J(θ0,θ1)。 注意：梯度下降可应用于更一般的函数，而不仅是线性回归定...

人工智能 个人学习笔记（不定时更新）1.矩阵 1.矩阵是指：由数字组成的矩形阵列，并写在方括号内。 2.矩阵例子： 1.先写一个左括号，然后里面是一些数字，这些数字可能来自机器学习问题，也可能表示其他意思，不过现在不用管具体的数字， 然后用右方括号括起来，然后得到一个矩阵。 2.先写一个左括号，然后里面依次写下1、2、3、4、5、6，因此实际上矩阵可以说是二维数组的...

人工智能 个人学习笔记（不定时更新）1.多变量线性回归/多元线性回归 多变量线性回归 又可称作 多元线性回归，即使用多个特征值/变量来预测y。 1.单变量线性回归中，只有一个单一特征值/变量值(房子面积x)，那么希望用这个特征值/变量值来预测y(房屋价格)。 单变量的假设函数：hθ(x)=θ0+θ1x。x即为唯一输入的特征值/变量值，h(x)的结果值即为y(房屋价格)。 2...

人工智能 个人学习笔记（不定时更新）4.特征和多项式回归 1.特征选择 下面讨论了不单止可以使用两个特征是房子临街宽度frontage和房子纵深长度depth，还可以把两个特征房子临街宽度frontage和房子纵深长度depth两者相乘 得到一个特征房子面积大小，上面两个方式都可以应用到线性回归模型，也即可以自由徐选择使用什么特征，并通过设计不同的特征，能够用更复杂的函数拟...

人工智能 个人学习笔记（不定时更新）2.多元梯度下降法 1.多元梯度下降法：使用梯度下降法来处理多变量线性回归(多元线性回归)。3.多元梯度下降运算中的实用技巧（均用于优化梯度下降，最终目的均是使下降速度变得更快） 1.特征缩放 特征缩放的作用：使梯度下降的速度变得更快，则收敛所需的迭代次数便更少，这就是特征缩放。 1.首先讨论什么情况下需要特征缩放 ...

人工智能 个人学习笔记（不定时更新）链接：https://pan.baidu.com/s/1OG7dG4jc-RKPa1StflTexA提取码：rlr01.下载页面：https://ftp.gnu.org/gnu/octave/windows/ octave-5.1.0-w64.zip下载链接：https://ftp.gnu.org/gnu/octave/windows/oct...

人工智能 个人学习笔记（不定时更新）1.分类 1.要预测的变量y是一个离散值的情况下的分类问题，下面是分类问题的一些例子，比如垃圾邮件分类、分类网上交易、肿瘤分类。 在二元分类问题中，y的取值范围是0或1。多分类问题中，y的取值范围还可以是0、1、2、3。 在这些例子中我们尝试预测的变量y都是可以有两个取值的变量，即0或1。比如说0或1可以分别代表是否垃圾邮件，恶性或良...

参考文章：手把手带你走进卷积神经网络！关于对神经网络的介绍原文人工智能 个人学习笔记（不定时更新）动机CNN的经典用例是执行图像分类，例如查看宠物的图像并确定它是猫还是狗。这是一项看似非常简单的任务，你可能会有这样的疑惑：为什么不使用普通的神经网络呢？不得不说这是一个好问题。原因1：图像很大目前用于计算机视觉问题的图像通常为224x224甚至更大。想象一下，构建一个神经...

window下 人工智能 Keras、TensorFlow、PyTorch、CUDA、cuDNN 的环境安装 总文章window 安装 PyTorch人工智能AI：Keras PyTorch MXNet 深度学习实战（不定时更新）1.安装链接：https://pytorch.org/get-started/locally/ window下装的软件版本：CUDA 9.0、cuDN...

人工智能AI：Keras PyTorch MXNet 深度学习实战（不定时更新）1.《动手学 深度学习》电子书：https://zh.d2l.ai/d2l-zh.pdf2.《动手学 深度学习》官网：https://zh.d2l.ai/3.《动手学 深度学习》github：https://github.com/d2l-ai/d2l-zh4.《动手学 深度学习》代码：https://zh....

======= 人工智能 Keras、TensorFlow 的环境安装 ======1.window下安装 anaconda（python 3.6 / python 3.7）2.安装 ubuntu 16/183.window下安装 Keras、TensorFlow（先安装CUDA、cuDNN，再安装Keras、TensorFlow）===== 第一步：先安装C...