摘要：
下面我们来对深度学习中的各个框架的特点进行介绍 1.TensorFlow框架 tensorflow是用c++语言开发的，同时支持C，java，python等多种语言多的调用，目前主流的方式通常会使用python语言进行驱动应用。利用c++语言可以保证其运行效率，python语言作为其上层应用语言，可 阅读全文
摘要：
0提升的基本方法 对于分类的问题，给定一个训练样本集，求比较粗糙的分类规则（弱分类器）要比求精确的分类的分类规则（强分类器）容易的多。提升的方法就是从弱分类器算法出发，反复学习，得到一系列弱分类器（又称为基本分类器），然后组合这些弱分类器，构成一个强分类器。大多数的提升方法都是改变训练数据集的概率分 阅读全文
摘要：
Java调用sklearn生成好的Logistic模型进行鸢尾花的预测，机器学习是python语言的长处，而Java在web开发方面更具有优势，如何通过java来调用python中训练好的模型进行在线的预测呢？在java语言中去调用python构建好的模型主要有三种方法： 阅读全文
摘要：
模型选择的典型方法是正则化。正则化是结构风险最小化策略的实现，是在经验风险上加一个正则化项或惩罚项。正则化一般是模型复杂度的单调递增函数，模型越越复杂，正则化的值就越大，比如，正则化项可以是模型参数向量的范数： 阅读全文
摘要：
机器学习——线性回归的原理，推导过程，源码，评价 阅读全文
摘要：
线性滤波可以说是图像处理最基本的方法，它可以允许我们对图像进行处理，产生很多不同的效果。做法很简单。首先，我们有一个二维的滤波器矩阵（有个高大上的名字叫卷积核）和一个要处理的二维图像。然后，对于图像的每一个像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为该像素位置的值。这样就完 阅读全文
摘要：
矩阵SVD 奇异值分解(Singular Value Decomposition)是一种重要的矩阵分解方法，可以看做是对方阵在任意矩阵上的推广。Singular的意思是突出的，奇特的，非凡的，按照这样的翻译似乎也可以叫做矩阵的优值分解。 假设矩阵A是一个m*n阶的实矩阵，则存在一个分解使得： 其中， 阅读全文
摘要：
在对数据进行可视化的过程中，可能经常需要对数据进行三维绘图，在python中进行三维绘图其实是比较简单的，下面我们将给出一个二元高斯分布的三维图像案例，并且给出相关函数的参数。 通常，我们绘制三维图像经常需要如下步骤： 1.生成二维的网格坐标数据，我们可以使用np.meshgrid(x, y)函数进 阅读全文
摘要：
面向对象相关知识 类(Class): 用来描述具有相同的属性和方法的对象的集合。它定义了该集合中每个对象所共有的属性和方法。对象是类的实例。 方法：类中定义的函数。 类变量：类变量在整个实例化的对象中是公用的。类变量定义在类中且在函数体之外。类变量通常不作为实例变量使用。 数据成员：类变量或者实例变 阅读全文
摘要：
在神经网络中，当我们的网络层数越来越多时，网络的参数也越来越多，如何对网络进行训练呢？我们需要一种强大的算法，无论网络多复杂，都能够有效的进行训练。在众多的训练算法中，其中最杰出的代表就是BP算法，它是至今最成功的神经网络学习算法。在实际任务中，大部分都是使用的BP算法来进行网络训练的。值得一提的是 阅读全文