01 2021 档案
摘要：聚类：物以类聚，人以群分 假设f(x)f(x)为多元函数，如果对任意t∈[0,1]t∈[0,1]，均满足： f(tx1+(1−t)x2)≤tf(x1)+(1−t)f(x2)f(tx1+(1−t)x2)≤tf(x1)+(1−t)f(x2) 则称f(x)f(x)为凸函数 JensenJensen不等式：
阅读全文
摘要：模型误差的来源 训练集D={xi,yi}ni=1D={xi,yi}i=1n由函数ff产生 假设空间HH中理论上最好的函数为fˆf^ 用训练集DD得到的函数为f∗=argmaxf∈HL(w)f∗=argmaxf∈HL(w) 逼近误差：模型空间与ff的距离 估计误差：训练到的函数与模型空间最好的函数的
阅读全文
摘要：1.数学知识回顾： 点到平面的距离： 2.梯度下降法： 3.随机梯度下降 机器学习中，优化目标和梯度具有特定结构： L(W)=∑i=1nl(yi,f(xi;w))∇L(w)=∑i=1n∇l(yi,f(xi;w))=∑i=1n∇Li(w)L(W)=∑i=1nl(yi,f(xi;w))∇L(w)=∑i=
阅读全文
摘要：数学知识回顾： 矩阵的逆 对于n*n方阵A，如果存在矩阵B使得AB = BA = I,则称B为A的逆矩阵，记为A-1 若A为可逆矩阵，则其逆矩阵是唯一的 如何判断矩阵是否可逆？ 行列式不等于0 满秩 行（或列）向量组线性无关 ... import numpy as np # 格式化numpy输出 n
阅读全文
摘要：1.机器学习的定义： We define machine learning as a set of methods that can automatically detect patternsin data, and then use the uncovered patterns to predic
阅读全文
摘要：继续进行Tenserflow的编程知识学习。学习时间2h，代码行数66行，继续努力。
阅读全文
摘要：今日继续学习tenserflow的相关知识，学习时间3h，代码行数50行，遇到了一些编译问题，可能是版本问题，已解决。
阅读全文
摘要：今天继续学习tenserflow的相关知识，了解了一些简单的算法实现，编程时间3小时，代码行数105行。
阅读全文
摘要：今天继续学习机器学习的相关知识，学习时间3h，代码行数200。
阅读全文
摘要：今天继续进行TensorFlow的知识学习，了解了神经网络等相关知识 定义： 神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。人脑中的神经网络是一个非常复杂的组织。成人的大脑中估计有1000亿个神经元之多。 大致分类：
阅读全文
摘要：今天继续进行TensorFlow的学习，观看了一些相关视频教程，完成了一些里练习，了解了一些神经网络的相关知识。
阅读全文
摘要：今天继续进行TensorFlow的学习任务，完成了一些简单的编程实验，收获颇丰。
阅读全文
摘要：input_data.py # Copyright 2015 Google Inc. All Rights Reserved. # # Licensed under the Apache License, Version 2.0 (the "License"); # you may not use
阅读全文
摘要：今天进行了线性回归方程的简单编程，代码如下： import tensorflow as tf import numpy as np import matplotlib.pyplot as plt #随机生成1000个点，围绕在y=0.1x+0.3的直线周围 num_points=1000 vecto
阅读全文
摘要：今天开始进行TensorFlow 的基本知识学习，学习时间3h，代码编程50行。了解了一些TensorFlow的编程规则，可以进行一些简答的编程。
阅读全文
摘要：使用TensorFlow进行一个简单的矩阵相加操作，并输出其结果。 import tensorflow as tf v_1=tf.constant([1,2,3,4]) v_2=tf.constant([2,1,5,3]) v_add=tf.add(v_1,v_2) with tf.Session(
阅读全文
摘要：现在，深度学习在当今IT行业以及人们的日常生活中变得越来越火，人们也越来越重视深度学习以及人工智能在未来的发展与应用，所以学会深度学习成为了我这个大三寒假的首要任务。 深度学习： 定义：深度学习是一类机器学习算法： 使用多个层逐步从原始输入中逐步提取更高级别的特征。例如，在图像处理中，较低层可以识别
阅读全文
浙公网安备 33010602011771号