- 博客(12)
- 收藏
- 关注
RSS订阅原创 【PyTorch学习】二、自动求梯度（Automatic Gradient）
PyTorch学习（二）前言一、autograd自动求梯度二、使用步骤1.引入库2.读入数据总结前言torch.autograd是 PyTorch 的自动差分引擎，可为神经网络训练提供支持。训练 神经网络 （Neural Network，NN）分为两个步骤：正向传播：在正向传播中，NN 对正确的输出进行最佳猜测。 它通过其每个函数运行输入数据以进行猜测。反向传播：在反向传播中，NN 根据其猜测中的误差调整其参数。 它通过从输出向
2022-01-17 18:55:47
2061
原创 【PyTorch学习】（一）基础内容
PyTorch学习（一）前言一、PyToch工具包二、代码测试1.张量（Tensor）初始化2.Operators张量操作3.Tensor与Numpy的转化总结前言Pytorch框架无缝替换NumPy，并且通过利用GPU的算力来实现神经网络的加速。通过自动微分机制，来让神经网络的实现变得更加容易。斯是陋室，惟吾德馨一、PyToch工具包torch ：类似 NumPy 的张量库，强 GPU 支持 ； torch.autograd ：基于 tape 的自动区别库，支持 torc..
2022-01-10 20:15:53
868
原创 【机器学习sklearn】决策树可视化方法
决策树可视化说明可视化结果说明决策树相关内容，详情可见 决策树算法Graphviz是一个开源的图（Graph）可视化软件，采用抽象的图和网络来表示结构化的信息。在数据科学领域，Graphviz的一个用途就是实现决策树可视化。为了将决策树可视化，首先需要创建一个dot文件来描述决策树，使用Graphviz将dot文件转换为图形文件，如png、jpg等。安装graphviz库详细安装过程，可参考Graphviz安装及使用-决策树可视化pip install graphviz或者用con
2021-12-31 14:57:29
2647
原创 【机器学习sklearn】集成学习（Ensemble Learning）
集成学习（ensemble learning）通过构建并结合多个学习器来完成任务，也可以称为“多分类器系统”（multi-classifier system）、“基于委员会学习”（committee-based learning）等。
2021-12-30 14:36:59
2361
原创 【机器学习sklearn】主成分分析PCA(Principal Component Analysis)
主成分分析方法PCA前言一、PCA是什么？二、使用步骤1.引入库2.读入数据总结前言PCA`(Principal Component Analysis)`，即主成分分析方法，是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维特征。降维的方法有很多，包括：奇异值分解(SVD)、主成分分析(PCA)、因子分析(FA)、独立成分分析(ICA)等等。读书是爱读，会读，想方设法去读。一、PCA是什.
2021-12-28 16:12:01
4434
原创 【机器学习sklearn】K-means聚类算法
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档k-means：k均值聚类算法前言一、聚类任务性能度量距离度量（distance measure）原型聚类（基于原型的聚类 prototype-based clustering）密度聚类（基于密度的聚类 density-based clustering）层次聚类（hierarchical clustering）二、K均值聚类算法cluster.KMeans()函数make_blobs()函数总结前言提示：这里可以添加本文要记录的大概内
2021-12-27 14:56:39
1074
原创 【机器学习sklearn】决策树（Decision Tree）算法
提示：这里是一只努力肯????的小白 有错就改 非礼勿喷:)决策树算法前言一、决策树学习基本算法1.信息熵（Information Entropy）2.信息增益（Information gain）- ID3决策树3.增益率（Gain Ratio）- C4.5决策树4.基尼指数（Gini Index）- CART决策树5.剪枝处理（Pruning）（1）预剪枝（prepruning）（2）后剪枝（postpruning）二、利用决策树进行鸢尾花数据集分类预测总结前言天可补，海可填，南山可移，日月既往
2021-12-23 21:01:33
7334
原创 【机器学习sklearn】高斯朴素贝叶斯 Gaussian naive bayes
贝叶斯Bayes - Thomas Bayes前言一、贝叶斯决策论（Bayesian decision theory）二、实例：高斯朴素贝叶斯 Gaussian Naive Bayes (GaussianNB)1.引入库2.生成数据3.高斯朴素贝叶斯模型总结前言在介绍贝叶斯之前，我们先了解一下几个概率相关的定义：条件概率（后验概率）：事件A在另一个事件B已经发生的条件下发生概率，公式表示为P(A|B)，读作“在B条件下A的概率”。P(A∣B)=P(A∩B)P(B)P(A|B)=\frac{P(.
2021-12-21 17:40:56
11770
1
原创 【机器学习sklearn】支持向量机SVM
支持向量机SVM一、SVM是什么？二、算法原理1.超平面2.几何间隔3.支持向量机4.对偶问题三、软间隔与支持向量回归1. 软间隔2. 支持向量回归（Support Vector Regression，SVR）四、核函数（kernel function）实例一、SVM是什么？支持向量机（Support Vector Machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括核技巧，这使它成为实质上的非线性分类器。SVM的
2021-12-17 11:56:02
1411
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人