- 博客(12)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 基于CNN的图像分类
1.问题描述原文地址：基于CNN的食物分类问题通过编写CNN进行图片分类，并分辨出食物的类别。1.1 数据描述将一系列图片按照[类别_编号]方式进行文件重命名。[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9XZ8wQVG-1597155742646)(https://imgkr2.cn-bj.ufileos.com/57641e91-f43b-4196-86ed-5efbd98b91cf.png?UCloudPublicKey=TOKEN_8d8b72be-
2020-08-11 22:28:18
5350
4
原创 基于全链接单隐含层神经网络求线性函数的等效权重
1. 问题描述设训练集为(X,y)(X,y)(X,y)，并满足关系：y=WX+random(verysmall)y = WX + random(verysmall)y=WX+random(verysmall) ，X维度为1000并且变量的最高次数为1，样本大小为N 。目标是用单隐含层神经网络求出等效WWW2. 模型如图所示，即把这类问题转换为这类问题：并且中间存在如下关系，该关系适用于输入层与隐含层节点。训练数据生成:import numpy as np#维度和大小参数定义batch
2020-07-28 23:56:11
251
原创 学习笔记7-ML(Deep learning)-神经网络简介
1. 发展历史通过调研，简单总结神经网络的发展及其应用场景，结果见下图：2.神经网络2.1 神经网络模型神经网络的结构主要包含三层：输入层、隐含层以及输出层，当隐含层的层数非常大的时候即为深度学习，整个网络可以看成函数：Output=f(input)Output=f\left( input \right) Output=f(input)2.1.1 节点数值的传递传递过程假设xxx从Input层到Layer 1变成了a1a_1a1，a1a_1a1从Layer 1层到Layer 2变成了
2020-06-24 08:45:01
302
原创 学习笔记6-ML(classify)-Logistics Regression
1.Logistics Regression介绍1.1 定义及实用情形在回归问题中，会预测连续值；而在分类问题中，预测离散值。每个数据点都会获得标注，如类别标签或与数值相关的标签。1.2 分类的要素Model对于输入的xxx,带入相应函数，进行分类。x→{g(x)>0,output=class1else ,output=class2x\rightarrow \begin{cases} g\left( x \right) >0, output=class1\\ else\,\
2020-06-22 23:19:39
328
原创 学习笔记5 - 机械学习(回归)-高次多项式拟合数据以及过拟合与欠拟合状态
机械学习入门部分，该部分是回归的内容，涉及欠拟合和过拟合状态；另外提供jupyterlab编译的基于梯度下降法计算的case，包括数据生成、数据的提取、数据的操作以及可视化展示。期间参考很多大佬的想法，若有问题，欢迎讨论和指正。
2020-06-20 13:13:49
1061
原创 学习笔记20200512-统计学习方法2
统计学习三要素方法＝模型＋策略＋算法1 模型在监督学习过程中，模型就是所要学习的条件概率分布或决策函数。假设空间F\mathcal{F}F用决策函数的定义的集合：F={f∣Y=f(X)}\mathcal{F}=\left\{ f|Y=f\left( X \right) \right\} F={f∣Y=f(X)}F\mathcal{F}F通常是由参数向量决定的函数族：F={f∣Y=fθ(X),θ∈Rn}\mathcal{F}=\left\{ f|Y=f_{\theta}\left( X
2020-05-12 11:29:41
140
原创 学习笔记5.10-统计学习方法1
1 输入、特征及输出空间定义输入、输出变量用大写字母表示，习惯上输入变量写作X，输出变量写作Y。输入、输出变量所取的值用小写字母表示，输入变量的取值写作x，输出变量的取值写作y。1.1 x(i)x^{(i)}x(i)与xix_ixi的区别x(i)x^{(i)}x(i)表示x的第i个特征(x(1)=x,x(2)=y,x(3)=zx^{(1)}=x,x^{(2)}=y,x^{(3)}=zx(1)=x,x(2)=y,x(3)=z…)，xix_ixi表示多个输入变量中的第i个。含有m个特征的输入实例的特
2020-05-12 09:05:23
114
原创 学习笔记4-线形二分类问题
1. 问题描述如图：设由训练集D=(x1(i),x2(i),...,xn(i)),i=1,2,...,mD=\left( x_{1}^{\left( i \right)},x_{2}^{\left( i \right)},...,x_{n}^{\left( i \right)} \right) ,i=1,2,...,mD=(x1(i),x2(i),...,xn(i)),i=1,2,.....
2020-04-24 23:14:09
160
原创 学习笔记3-最小二乘法详细推导
1.最小二乘法作用最小二乘法是拟合超定线形方程的一中使用广泛的方法，以下介绍其推导过程。模型假设及推导设存在n个特征组成的向量x=[x0,x1,x2,...,xn]x=\left[ x_0,x_1,x_2,...,x_n \right]x=[x0,x1,x2,...,xn]，并且有训练集D=(x(i),y(i)),i=1,2,...,mD=\left( x^{\left( i \ri...
2020-04-21 10:56:26
530
转载 学习笔记2-浅谈在线形回归算法下的梯度算法
在之前的博客https://blog.csdn.net/qq_37279306/article/details/105621816中，参考大佬们对梯度算法的数学证明，本文主要目的是为了理清三类梯度算法的关系。参考了其他大佬的博客，在别人的基础上，添加了自己的一些理解，同时优化了数学公式的表达。
2020-04-20 17:27:27
150
原创 学习笔记1-梯度下降法推导
最近研究深度学习，想记录一些感受以便之后学习，并且方便和人交流。梯度下降的内容还是比较重要的，希望早日入门机械学习，立帖为证。内容借鉴 沐雨金鳞 ，但是我觉得他的文章有些地方感觉比较模糊，因此以下的内容是在理解他的文章后，重新编排。若有内容上的错误，请各位大佬指教！
2020-04-19 21:15:46
142
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人