随笔分类 - 论坛干货
摘要：1 报错描述 1.1 系统环境 ardware Environment(Ascend/GPU/CPU): CPUSoftware Environment:– MindSpore version (source or binary): 1.7.0– Python version (e.g., Pyth
阅读全文
摘要：嗨咯！a ni o~！空妮七挖！大家好久不见呀~今天小Mi继续给大家讲解正则化！ 目前深度模型在各种复杂的任务中固然表现十分优秀，但是其架构的学习要求大量数据，对计算能力的要求很高。神经元和参数之间的大量连接需要通过梯度下降及其变体以迭代的方式不断调整。向全局最小值的收敛过程较慢，容易掉入局部极小值
阅读全文
摘要：好久不见，甚是想念！小Mi最近一直在忙着消化深度学习的各种知识点，这不就马不停蹄地就给大家安排上啦！今天小Mi给大家介绍简单的深度学习网络（Deep Neural Networks， DNN），废话不多说，赶紧开始吧~ 感知机 首先隆重介绍下神经网络的基础单元——感知机，整体过程就是对若干输入进行加
阅读全文
摘要：前两期小Mi带大家学习了支持向量机的优化问题、如何得到大间距分类器以及其背后的数学原理，今天小Mi最后一讲让我们快速果断地结束支持向量机的学习哈。小Mi废话不多说！ 4 Kernel（一） 之前小Mi曾经提过，如果遇到无法用直线进行分隔的分类问题时，可以适当采用高级数的多项式模型来解决： 为了获得上
阅读全文
摘要：办公中我们经常会处理很多复杂的excel、word、pdf等文件，大家有没有设想过用一个平台就可以同时处理这些东西呢？没错，小Mi又给大家挖掘了新的神技能，今天就显摆下如何用python处理excel表格（嘴硬党是不是可以承认python是最好的语言了吧，哈哈）！ 1. 安装库 首先，准备工作自然是
阅读全文
摘要：一周未见，甚是想念！今天小Mi带大家学习聚类算法！也就是主流的监督学习算法我们已经学完了，本期我们开始接触无监督学习算法。废话不多说，跟着小Mi开始学习吧~ 1 无监督学习 什么是无监督学习呢？首先我们先回顾下非常熟悉的监督学习算法：通常典型的监督学习中会有一个带有标签的训练集，根据这个训练集可以拟
阅读全文
摘要：一周未见，甚是想念，今天小Mi带大家学习异常检测(Anomaly detection)！废话不多说，我们开始吧~ 1 定义 异常检测(Anomaly detection)这个算法很有意思：它虽然主要用于非监督学习问题，但从某些角度看，它又和一些监督学习问题很类似。 什么是异常检测： 通常飞机的引擎从
阅读全文
摘要：一周未见，甚是想念，今天小Mi带大家学习异常检测(Anomaly detection)的多元部分！废话不多说，我们开始吧~ 7 多元高斯分布 今天学习的内容是异常检测算法的更进一步，涉及到多元高斯分布，它有一些优势，也有一些劣势，它能捕捉到之前的算法检测不出来的异常，首先我们来看一个例子。 假设有上
阅读全文
摘要：时间可过得真快，本周小Mi的更新便是我们机器学习系列的最后一期啦！说了那么多理论，总该来点案例对不对！废话不多说，让我们开始吧~ 定义 那么什么是图片文字识别呢？其实对应的英文全称为Photo Optical Character Recognition，也可以翻译为图片光学字符识别。 随着智能手机拍
阅读全文
摘要：小Mi机器学习系列的汇总网页终于千呼万唤出来啦！！！其实早在做这个系列的一开始，小Mi就曾设想做一个这样的东西，没想到转眼刚小半年，今天终于全部更新完毕！好开心，好激动，要飞起~~ 1.介绍篇： 机器学习就是对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么
阅读全文
摘要：时隔好久，这不小Mi的python办公系列又更新啦！这次我们学习如何用python处理word文件！ 1. 安装库 说实话，库的安装其实相比excel来说真的就再简单不过啦，这次小Mi全程就只更新安装了一个库，代码如下： pip install python-docx 欧凯，那么这部分就已经完成啦！
阅读全文
摘要：转眼间，小Mi带大家已经机器学习了两个月了，今天带大家一起放松放松，我们和电脑来几场简单的“决斗”！ 场景1： 在没有丰富表情包的聊天时代，大家的表情是不是纯粹靠兔斯基和石头剪刀布来简单进行娱乐，要不今天安排下和计算机无聊来几局？ 逻辑分析： 代码展示： import random #导入随机模块
阅读全文
摘要：几天不见，动力不减！话说回来，我们要正式开始挑起大梁干大事了，前面一段时间，小Mi已经带大家初步了解了机器学习，复习了机器学习中需要用到的线性代数知识点，这次我们就要开始正式学习监督学习下的单变量线性回归（那么后面是不是还有多变量线性回归？Bingo！答对了！）啦。那就废话不多说，抓紧时间跟小Mi一
阅读全文
摘要：小Mi学习，向上积极！在上一篇机器学习中，小Mi已经带大家认识了单变量线性回归的数学模型，以及对应代价函数的图形解释，小Mi也提及过，我们真正需要的是一种有效的算法，能够自动地找出这些使代价函数J取最小值的参数，来，因此它来了它来了！今天小Mi在此基础上，继续带大家一起学习梯度下降算法。 3梯度下降
阅读全文
摘要：今天我们学习支持向量机！小Mi在办公室的时候经常会听到同事提及什么支持向量机啊，凸优化啊这样的名词，那么支持向量机到底是什么呢？今天让我们过来一探究竟！~~ 1 优化目标 与逻辑回归和神经网络相比，支持向量机，简称SVM，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式，该算法的强大和受欢
阅读全文
摘要：上周小Mi带大家学习了支持向量机的优化问题以及如何得到大间距分类器，而这背后的数学原理大家是否略知一二呢？今天跟着小Mi后面慢慢推理，帮助大家对支持向量机中的优化问题，以及如何得到大间距分类器，产生更好的直观理解。 3 大边界分类背后的数学 首先，我们需要了解下向量内积这个知识点（敲黑板了哦~）。假
阅读全文
摘要：今天小Mi带大家学习如何设计一个机器学习系统，也会带大家了解设计复杂的机器学习系统时可能会遇到的一些问题。当然啦，除此之外，小Mi还会提供一些关于巧妙构建复杂机器学习系统的小tips。哦，对了，偷偷告诉你们，可能会帮助大家在构建大型的机器学习系统时，节省大量的时间哦~ 1 初始步骤 废话不多说，上例
阅读全文
摘要：到目前为止，小Mi已经给大家介绍了许多不同的学习算法，感觉大伙已经不知不觉地成为一个了解许多先进机器学习技术的专家啦。当然，在了解的同时如何高效有力地运用这些学习算法呢？怎样选择一条最合适、最正确的道路，而不是把时间浪费在毫无意义的尝试上呢？如果你想知道的话，那么跟着小Mi继续机器学习吧~ 1 机器
阅读全文
摘要：在上周小Mi给大家的介绍中，我们谈到了怎样使用反向传播算法计算代价函数的导数。今天，小Mi将继续带大家了解神经网络的实现过程，废话不多说，赶快跟小Mi一起学起来吧~ 4 实现注意：展开参数 首先，有一个细节的实现过程值得关注一下，就是如何把参数从矩阵展开成向量，以便我们在高级最优化步骤中使用。 具体
阅读全文
摘要：危险，危险，危险——好久不见，等你在这里见面~在经过前两期关于神经网络的简单介绍后，今天小Mi将进一步介绍神经网络的代价函数、前向传播和反向传播，废话不多说，我们开干吧~ 1 代价函数 首先引入一些便于稍后讨论的新标记方法： 假设神经网络的训练样本有m个，每个包含一组输入x和一组输出信号y，L表示神
阅读全文
