随笔分类 - 数据科学
摘要：文章目录 1 Q-learning与Deep Q-learning2 DQN的结构组成3 DQN创新技术（重点）3.1 Experience Replay（经验回放）3.2 Fixed Q-Target（固定Q目标）3.3 Double Deep Q-Learning（双重深度Q学习方法） 4 DQ
阅读全文
摘要：实现代码github仓库：RL-BaselineCode 代码库将持续更新，希望得到您的支持⭐，让我们一起进步！ 文章目录 1. 原理讲解1.1 Q值更新公式1.2 ε-greedy随机方法 2. 算法实现2.1 算法简要流程2.2 游戏场景2.3 算法实现 3. 参考文章 1. 原理讲解 Q-le
阅读全文
摘要：文章目录 1 LeNet2 AlexNet3 VGG4 NiN5 GoogLeNet6 ResNet7 DenseNet 本文为作者阅读学习李沐老师《动手学深度学习》一书的阶段性读书总结，原书地址为：Dive into Deep Learning。 1 LeNet 网络结构 实现代码 net = n
阅读全文
摘要：使用块的网络（VGG） 本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。 另，给自己练习时没有gpu资源的小伙伴推荐下kaggle数据科学网站，每周免费训练时长30h。 1 网络结构 VGG块由一系列卷积层和一个最大汇聚层组成，块中的激活函
阅读全文
摘要：深度卷积神经网络_AlexNet 本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。 1.网络结构 网络结构计算过程： 假设输入形状是 n h × n w n_h\times n_w nh×nw，卷积核窗口形状是 k h × h w k_
阅读全文
摘要：卷积神经网络（LeNet） 本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。 1. 网络结构 网络结构计算过程： 假设输入形状是 n h × n w n_h\times n_w nh×nw，卷积核窗口形状是 k h × h w k_h\
阅读全文
摘要：1. 输入通道数为 n n n，输出通道数为 1 1 1 当输入数据含多个通道时，我们需要构造一个输入通道数与输入数据的通道数相同的卷积核，从而能够与含多通道的输入数据做互相关运算。 例如：含 2 2 2个输入通道的二维互相关计算的例子。在每个通道上，二维输入数组与二维核数组做互相关运算，再按通道相
阅读全文
摘要：深度学习计算 本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。 文章目录 深度学习计算1. 模型构造1.1 继承`Module`类来构造1.2 `Sequential`类来构造 2. 模型参数的访问、初始化和共享2.1 访问模型的层数据2.
阅读全文
摘要：深度学习基础 本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。 文章目录 深度学习基础1 线性回归1.1 线性回归从零开始实现生成数据集读取数据初始化模型参数定义模型定义损失函数定义优化算法训练模型 1.2 线性回归的简洁实现生成数据集读取
阅读全文
摘要：Tensor数据操作 本文为李沐老师《动手学深度学习》一书的学习笔记，原书地址为：Dive into Deep Learning。 文章目录 Tensor数据操作1. Tensor创建2. 索引3. 改变形状4. 广播机制5. 运算的存储机制6. Tensor和NumPy相互转换7. 梯度 1. T
阅读全文
摘要：文章目录 1. optuna简介2. LGBM和XGBoost调参汇总2.1 LGBM2.1.1 定义Objective2.1.2 调参try2.1.3 绘图2.1.4 最佳参数 2.2 XGBOOST2.2.1 定义Objectove2.2.2 调参try2.2.3 绘图2.2.4 最佳参数 1.
阅读全文
摘要：本篇博客主要解读Stacked Regressions : Top 4% on LeaderBoard by Serigne预测模型搭建方案 文章目录 1.模型总图2. Modelling2.1 Import librairies2.2 Define a cross validation strat
阅读全文
摘要：本篇博客主要解读Comprehensive data exploration with Python by Pedro Marcelino数据处理方案 文章目录 0. 导入库1. 一些关于特征的思考2. 分析`SalePrice`以及与其相关单变量的关系2.1 分析`SalePrice`特征2.2
阅读全文
摘要：注：记录自己的第一次 Kaggle 文章目录 ResultCode数据预览数据导入数据查看 数据清洗删除多余特征缺失值填充 数据挖掘家庭总人数身份标识年龄分级票价分级 数据准备数据编码训练特征选择训练集测试集 模型训练预测 Result Code 数据预览 数据导入 # This Python 3
阅读全文
摘要：文章目录 数据概览相关性矩阵获取数据可视化 数据概览 # 以波士顿房价数据为例 import pandas as pd train=pd.read_csv('/kaggle/input/house-prices-advanced-regression-techniques/train.csv') t
阅读全文
摘要：文章目录 距离度量曼哈顿距离欧氏距离 最近邻算法K-近邻算法算法实现决策规则KNN算法实现测试数据 丁香花分类加载数据集训练测试数据划分训练模型模型预测准确率计算K 值选择 距离度量 曼哈顿距离 曼哈顿距离又称马氏距离，是计算距离最简单的方式之一。公式如下： d m a n = ∑ i = 1 N
阅读全文
摘要：文章目录 介绍Sigmoid分布函数逻辑回归模型对数损失函数梯度下降法逻辑回归实现加载数据函数代码汇总逻辑回归 逻辑回归 scikit-learn 实现 介绍 逻辑回归（Logistic Regression），又叫逻辑斯蒂回归，是机器学习中一种十分基础的分类方法，由于算法简单而高效，在实际场景中得
阅读全文
摘要：对于一元线性函数： y ( x , w ) = w 0 + w 1 x y ( x , w ) = w _ { 0 } + w _ { 1 } x y(x,w)=w0+w1x 定义其平方损失函数为： f = ∑ i = 1 n ( y i − ( w 0 + w 1 x i ) ) 2 f =
阅读全文
摘要：文章目录 一元线性回归模型加载数据集计算拟合参数拟合结果绘图 多元线性回归模型计算拟合参数 模型检验 一元线性回归模型 使用 SciPy 提供的普通最小二乘法分别计算 3 个特征与目标之间的一元线性回归模型拟合参数。 加载数据集 import pandas as pd data = pd.read_
阅读全文
摘要：文章目录 普通最小二乘法的缺陷岭回归推导岭回归拟合LASSO回归 普通最小二乘法的缺陷 普通最小二乘法带来的局限性，导致许多时候都不能直接使用其进行线性回归拟合。特别是以下两种情况： 数据集的列（特征）数量 > 数据量（行数量），即 X X X不是列满秩。数据集列（特征）数据之间存在较强的线性相关性
阅读全文
