机器学习
文章平均质量分 64
机器学习中相关神经网络及其他算法
Loser@jing
这个作者很懒,什么都没留下…
展开
-
(8)机器学习——SVM、决策树、朴素贝叶斯、KNN、K-means、随机森林、Adaboost
一、SVM(支持向量机)示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码如下(示例):import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsimport warningswarnings.filterwarnings('ignore')import sslssl._create_defaul原创 2022-05-25 18:47:31 · 5243 阅读 · 1 评论 -
(6)机器学习算法——RNN与LSTM
一、RNN(递归神经网络)前一个特征会对下一个特征产生影响,在进行特征提取时,把界面结果也考虑进来,会更准确一些。也就是会把之前所有结果记下来,当结果太多了,可能就会记错了,就会产生误差。二、LSTM面对RNN的问题,我们可以使用LSTM解决,也就是使用遗忘门忘记一些特征。总结下一章节介绍对抗生成网络。...原创 2022-05-25 09:37:42 · 266 阅读 · 0 评论 -
(7)机器学习——GAN与GRU
一、对抗生成网络(GAN)可以生成新的图片或数据。或者让计算机生成人脸图片,用于警察寻找犯罪嫌疑人。生成器目标是生成的东西越真越好,判别器要随着生成器生成的东西,还能判断真假。二、GRUGRU相比LSTM的门减少了很多。LSTM中有输入门,遗忘门,输出门;GRU里面有更新门与重置门。更新门更新门帮助模型决定到底要将多少过去的信息传递到未来,或到底前一时间步和当前时间步的信息有多少是需要继续传递的。这一点非常强大,因为模型能决定从过去复制所有的信息以减少梯度消失的风险。重置门重置门主要决原创 2022-05-25 13:24:02 · 599 阅读 · 0 评论 -
(5)机器学习算法知识---CNN与ResNet
文章目录二、ResNet(残差网络)总结普通神经网络是由输入层、隐藏层、输出层组成,当参数过多,训练就会变的很慢,这个时候就可以减少参数。输入层:输入的不是一个特征,一个维度,而是一个长方体的矩阵(三维的)卷积层:提取特征。举例:输入一个数据维度是7x7x3,7x7表示图像h=7,w=7,有三个通道。Filter W0表示先随机初始化一组权重参数,这里强调一下,输入数据维度通道数与Filter W0维度数是一样的,这里都是3,Filter W0中 3x3x3的矩阵我们称作**卷积核。**计原创 2022-05-25 09:11:34 · 7254 阅读 · 0 评论