7天学会机器学习与深度学习 - 随笔分类 - 一杯明月

神经网络与深度学习-邱锡鹏-学习笔记10-关于概率的一些基本概念

摘要：注解： 1.随机变量和随机事件不等价，一个随机事件可以定义很多随机变量。 2.随机变量是定义在一个随机事件里面的变量，可以有很多种定义方法，比如可以定义出现某一个值的概率，也可以定义出现奇数的概率。 3.概率分布就是所定义的一个随机变量取所有可能值的概率的一个表。对于离散型的随机变量来说，概率分布就阅读全文

posted @ 2021-10-20 12:25 一杯明月阅读(870) 评论(0) 推荐(0) 编辑

P22 朴素贝叶斯算法

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=22 贝叶斯算法：预测某个样本属于某个类别的概率，最大的概率即为类别。例如：判断文章1属于科技、金融、娱乐那个类别？文章1属于科技类的概率最大，所以，文章1将被预测为科技类文章。职业和超重这两个特征是相互阅读全文

posted @ 2021-01-01 15:36 一杯明月阅读(196) 评论(0) 推荐(0) 编辑

P19 K近邻算法

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=19 注解：分类算法的判定依据是：目标值是离散值。注解： K-近邻算法最重要的是看距离的远近，距离近的样本归为一类。本例中小王与蓝色的小人距离最近，所以他们归为一类。小王不知道自己所在的区，但是他根据阅读全文

posted @ 2021-01-01 15:30 一杯明月阅读(189) 评论(0) 推荐(0) 编辑

P17 数据的划分和介绍

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=17 答：不行。应该：一部分训练，一部分评估。数据集举例：三类鸢尾花数据读取代码演示： """ 读取三类鸢尾花数据 li=load_iris() 可以直接使用函数接口实例化对象，返回的是一个字典 """ 阅读全文

posted @ 2020-12-31 00:21 一杯明月阅读(383) 评论(0) 推荐(0) 编辑

P15 机器学习算法分类及开发流程

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=15 注解：监督学习有特征值和目标值，监督学习，谁监督呢？答：类别。我称监督学习为：有主体监督学习。非监督学习只有特征值，没有目标值。我称非监督学习为：无主体监督学习。学习的重点是监督学习，监督学习阅读全文

posted @ 2020-12-30 18:31 一杯明月阅读(188) 评论(0) 推荐(0) 编辑

P13 数据降维案例1

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=13 阅读全文

posted @ 2020-12-30 18:28 一杯明月阅读(67) 评论(0) 推荐(0) 编辑

P11 标准化总结及缺失值处理

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=11 注解：一般是按照列进行填补。注解: 参数axis=0或者1,指的是按照行或者列填充。代码演示： """ 缺失值处理 """ from sklearn.preprocessing import Im 阅读全文

posted @ 2020-12-30 18:22 一杯明月阅读(274) 评论(0) 推荐(0) 编辑

P12 数据的降维及特征选择

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=12 注解：这里了的降维不是指数组的维度，不是1维、2维、3维那个维。注解：这个是3维的特征转换为2维的特征。降维就是把样本的特征的数量减少，比如在分辨男女的时候，把每个样本里面的特征肤色去掉。注解阅读全文

posted @ 2020-12-30 18:22 一杯明月阅读(331) 评论(0) 推荐(0) 编辑

P9 归一化以及标准化对比

摘要：知乎参考：https://www.zhihu.com/question/20467170 哔哩哔哩视频参考：http://bilibili.com/video/BV184411Q7Ng?p=9 Python程序举例： """ 对数据进行归一化处理 """ from sklearn.preproces 阅读全文

posted @ 2020-12-30 18:21 一杯明月阅读(224) 评论(0) 推荐(0) 编辑

P8 08 特征预处理-归一化

摘要：注解：其实就是值的转换。注解：这个是特征预处理方法的API。例子： https://zhuanlan.zhihu.com/p/91125751 一般做机器学习应用的时候大部分时间是花费在特征处理上，其中很关键的一步就是对特征数据进行归一化，那么为什么要归一化呢？目录：定义优点方法结阅读全文

posted @ 2020-12-30 18:21 一杯明月阅读(254) 评论(0) 推荐(0) 编辑

P6 文本特征抽取以及中文问题

摘要：http://bilibili.com/video/BV184411Q7Ng?p=6 """ 演示字典的特征抽取， DictVectorizer是一个类的名字 """ from sklearn.feature_extraction import DictVectorizer def dictvec( 阅读全文

posted @ 2020-12-30 18:20 一杯明月阅读(218) 评论(0) 推荐(0) 编辑

P5 字典特征数据抽取

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=5 注解：把一句英文转变成了一个二维数组。注解：计算机理解不了英文文章，只能理解数据。特征抽取的示例代码： """ 演示字典的特征抽取， DictVectorizer是一个类的名字 """ from 阅读全文

posted @ 2020-12-30 18:19 一杯明月阅读(175) 评论(0) 推荐(0) 编辑

P4 04 特征工程的定义

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=4 注解：数据1、数据2、数据3称为样本。注解： sklearn scikit-learn 注解：机器学习不需要去除重复值。皮肤颜色的特征值是“黄”、“白”、“黑”，是字符串，不能直接送入机器学习的模阅读全文

posted @ 2020-12-30 18:19 一杯明月阅读(100) 评论(0) 推荐(0) 编辑

P1 01 机器学习简介

摘要：http://bilibili.com/video/BV184411Q7Ng?from=search&seid=739809869027647463 注解：人工智能、机器学习、深度学习3个名次的出现顺序是：人工智能-->机器学习-->深度学习下面是一些深度学习框架：注解：用的最多的是tens 阅读全文

posted @ 2020-12-30 18:18 一杯明月阅读(163) 评论(0) 推荐(0) 编辑

P2 02 机器学习概述

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=2 下面是机器学习的一个应用：注解： AlphaGo能下赢柯洁，就是机器学习的结果，机器学习了无数的棋盘。柯洁一天可以学习100盘棋局，比较有限，但是AlphaGo算法一天可以学习成千上万盘棋局，并从中获阅读全文

posted @ 2020-12-30 18:18 一杯明月阅读(100) 评论(0) 推荐(0) 编辑

P3 03 数据集的构成

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=3 注解：机器学习的数据格式：csv格式。注解： 1、2、3是指的第几个人。 GIL：全局解释锁。多线程运行的时候，Numpy的运算速度比Python的运算速度要快很多。阅读全文

posted @ 2020-12-30 18:18 一杯明月阅读(145) 评论(0) 推荐(0) 编辑

P79 自实现一个线性回归

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=79 代码示例： """ 写一个线性回归运用分布式计算机集群进行训练即：运用多台计算机的cpu和gpu进行参数保存、模型训练和预测 """ import tensorflow as tf """ 定义一个阅读全文

posted @ 2020-12-27 17:39 一杯明月阅读(217) 评论(0) 推荐(0) 编辑

P78 分布式原理、架构、更新参数模式

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=78 注解：参数服务器保存的权重参数不在本地，而在远程服务器上面。阅读全文

posted @ 2020-12-27 13:11 一杯明月阅读(386) 评论(0) 推荐(0) 编辑

P76 验证码识别程序流程及图片数据的处理

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=76 注解：让交叉熵损失值最小等价于目标值处1对应的概率值最大，直觉上看相当于是强制拟合一个非线性函数，或者说强符合一个非线性函数。让交叉熵损失值最小等价于目标值处1对应的概率值最大，此时意味着预测值和目阅读全文

posted @ 2020-12-26 23:27 一杯明月阅读(311) 评论(0) 推荐(0) 编辑

P75 验证码识别原理分析

摘要：https://www.bilibili.com/video/BV184411Q7Ng?p=75 注解：每个字母输出属于26个字母的概率。注解：经过卷积神经网络后，每个样本图片的输出应该是[4*26]个概率值。注解： a是全连接层之后经过softmax运算后的104个概率值，b是26*4个目阅读全文

posted @ 2020-12-26 17:54 一杯明月阅读(91) 评论(0) 推荐(0) 编辑

随笔分类 - 7天学会机器学习与深度学习

搜索

常用链接

随笔分类

随笔档案

阅读排行榜

评论排行榜

推荐排行榜

最新评论