(1) (2) (3) 按照学习形式将机器学习划分为监督学习、无监督学习、半监督学习、强化学习、深度学习 监督学习（Supervised Learning）表示机器学习的数据是带标记的，这些标记可以包括数据类别、数据属性及特征点位置等。这些标记作为预期效果，不断修正机器的预测结果。 无监督学习（Un ...
分类：
其他好文 时间：
2020-04-05 11:19:12
阅读次数：
68
将所有的预测结果都归一化到 0~1, 使用 Leaky RELU 作为激活函数。 Leaky RELU的公式如下： Leaky RELU可以解决RELU的梯度消失问题。 损失函数的设计目标就是让坐标（x,y,w,h），confidence，classification 这个三个方面达到很好的平衡。 ...
分类：
其他好文 时间：
2020-03-07 13:09:25
阅读次数：
369
网络结构 输入层、隐含层(多层)、输出层 单个神经元结构，g(z)为激励函数，线性组合，非线性处理 逻辑回归 正向传播预测结果，反向传播调整w和b 激励函数 作用：提供规模化的非线性化能力 常用： 损失函数 单次训练损失： 全部训练损失： 梯度下降 逻辑回归梯度下降 同步更新 网络向量化 网络梯度下 ...
分类：
其他好文 时间：
2020-02-17 20:11:10
阅读次数：
111
输入 鸢尾花卉数据集,数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。 输出 根据手动实现的逻辑回归模型对鸢尾花卉数据集分类的预测结果。 原理 逻辑回归处理的是分类问题，线性回归处理的是回归问题，这是两者最本质的区别。逻辑回归算法是一种分类算法，适用于标签取值离散的情况。 ...
分类：
编程语言 时间：
2020-02-16 00:57:31
阅读次数：
91
在实际使用的时候，神经网络是很复杂的，要借助计算图才能使其条理清晰，让复杂的事情变的直观便于研究。 神经网络的计算是有一个前向传播以及一个反向传播构成的。 先通过前向传播计算出预测结果以及损失；然后再通过反向传播计算出损失函数关于每一个参数 w,b 的偏导数，并对这些参数进行梯度下降 然后用新的参数 ...
分类：
其他好文 时间：
2020-01-19 09:19:03
阅读次数：
60
最近在工作中有一个需求：用训练好的模型将数据库中所有数据得出预测结果，并保存到另一张表上。数据库中的数据是一篇篇文章，我训练好的模型是对其中的四个段落分别分类，即我有四个模型，拿到文本后需要提取出这四个段落，并用对应模型分别预测这四个段落的类别，然后存入数据库中。我是用keras训练的模型，back ...
分类：
系统相关 时间：
2020-01-14 19:05:52
阅读次数：
322
回归评估 1. 平均绝对误差（Mean Absolute Error, MAE)， 又被称为L1范数损失 2. 平均平方误差（Mean Squared Error, MSE ,又被称为l2范数损失 分类平评估指标 二维混淆矩阵 | | 预测 | 结果 | | | : : | : : | | 真实类别 ...
分类：
其他好文 时间：
2019-12-18 14:32:42
阅读次数：
113
监督学习：给出一个训练集，然后通过训练集学习出一个模型，当新的数据到来的时候，我们就能通过这个模型进行预测结果。监督学习的训练集不仅要有输入还要有输出，即目标特征和目标结果，特征就是训练集中数据特有的，结果是人为标记的。监督学习是我们一开始就让机器知道一张图片是那个东西，如他是猪，他是狗，他是牛，机 ...
分类：
其他好文 时间：
2019-12-14 19:24:00
阅读次数：
98
自我训练是一种增量算法(incremental algorithm)： 场景： 半监督学习，具备一小部分有标记样本和大量未标记样本，通常存在大量样本标注困难的问题。 基本流程： 1. 最初，使用少量标记数据构建单个分类器。 2. 然后，迭代地预测未标记样本的标签。 3. 通过2中预测结果的可信程度对 ...
分类：
其他好文 时间：
2019-12-14 18:59:39
阅读次数：
96
KNN算法分析iris种类 数据集iris_dataset.txt, 首先加载数据 查看种类有哪些 将iris种类，类别型数据转为数值型 构建训练集，测试集数据，数据量比值 4:1 自实现knn算法预测iris种类准确率 结果可视化 knn算法特点， k值不同，预测结果不同。 ...
分类：
编程语言 时间：
2019-11-16 12:53:48
阅读次数：
67
