随笔分类 -  人工智能

常见的机器学习算法,人工智能基础
摘要:注:对于一位刚刚站在科学研究大门口的博士一年级学生,思考科研的方法以及科研与其它工作之间的异同由来已久。科研的道路上充满了不确定性,从大方向到每一步的细节都需要探索。如果我们放任这种不确定性不予理睬,那么我们做科研的道路将充满荆棘(少数情况下可能会有惊喜),这里的约束条件之一是:面对科学中无尽的前沿 阅读全文
posted @ 2021-11-14 12:55 昕-2008 阅读(155) 评论(0) 推荐(0) 编辑
摘要:注:在很长一段时间,MNIST数据集都是机器学习界很多分类算法的benchmark,这个数据集被Hinton称为机器学习界的果蝇(学生物的同学应该都知道果蝇这种模式生物对生物学研究的重要性)。初学深度学习,在这个数据集上训练一个有效的卷积神经网络就相当于学习编程的时候打印出一行“Hello Worl 阅读全文
posted @ 2019-04-20 20:51 昕-2008 阅读(8059) 评论(2) 推荐(1) 编辑
摘要:注:因为毕业论文需要用到相关知识,借着 TF 2.0 发布的时机,重新捡起深度学习。在此,也推荐一下优达学城与 TensorFlow 合作发布的TF 2.0入门课程,下面的例子就来自该课程。 原文发布于博客园:https://www.cnblogs.com/Belter/p/10626418.htm 阅读全文
posted @ 2019-03-30 18:30 昕-2008 阅读(5067) 评论(0) 推荐(0) 编辑
摘要:注:最近在工作中,高频率的接触到了SVM模型,而且还有使用SVM模型做回归的情况,即SVR。另外考虑到自己从第一次知道这个模型到现在也差不多两年时间了,从最开始的腾云驾雾到现在有了一点直观的认识,花费了不少时间。因此在这里做个总结,比较一下使用同一个模型做分类和回归之间的差别,也纪念一下与SVM相遇 阅读全文
posted @ 2018-05-01 20:12 昕-2008 阅读(38444) 评论(0) 推荐(7) 编辑
摘要:注:数据是机器学习模型的原材料,当下机器学习的热潮离不开大数据的支撑。在机器学习领域,有大量的公开数据集可以使用,从几百个样本到几十万个样本的数据集都有。有些数据集被用来教学,有些被当做机器学习模型性能测试的标准(例如ImageNet图片数据集以及相关的图像分类比赛)。这些高质量的公开数据集为我们学 阅读全文
posted @ 2018-04-14 12:28 昕-2008 阅读(43590) 评论(0) 推荐(7) 编辑
摘要:注:正则化是用来防止过拟合的方法。在最开始学习机器学习的课程时,只是觉得这个方法就像某种魔法一样非常神奇的改变了模型的参数。但是一直也无法对其基本原理有一个透彻、直观的理解。直到最近再次接触到这个概念,经过一番苦思冥想后终于有了我自己的理解。 0. 正则化(Regularization ) 前面使用 阅读全文
posted @ 2018-03-16 21:12 昕-2008 阅读(74396) 评论(5) 推荐(13) 编辑
摘要:注:在上一篇的一般线性回归中,使用的假设函数是一元一次方程,也就是二维平面上的一条直线。但是很多时候可能会遇到直线方程无法很好的拟合数据的情况,这个时候可以尝试使用多项式回归。多项式回归中,加入了特征的更高次方(例如平方项或立方项),也相当于增加了模型的自由度,用来捕获数据中非线性的变化。添加高阶项 阅读全文
posted @ 2018-03-08 20:38 昕-2008 阅读(16727) 评论(0) 推荐(4) 编辑
摘要:注:对于最重要的两类回归模型,之前总结了逻辑回归模型,这里总结一下"线性回归"模型。 0. 概述 线性回归应该是我们听过次数最多的机器学习算法了。在一般的统计学教科书中,最后都会提到这种方法。因此该算法也算是架起了数理统计与机器学习之间的桥梁。线性回归虽然常见,但是却并不简单。该算法中几乎包含了所有 阅读全文
posted @ 2018-03-02 17:51 昕-2008 阅读(4464) 评论(0) 推荐(2) 编辑
摘要:注:在吴恩达老师讲的【机器学习】课程中,最开始介绍神经网络的应用时就介绍了含有一个隐藏层的神经网络可以解决异或问题,而这是单层神经网络(也叫感知机)做不到了,当时就觉得非常神奇,之后就一直打算自己实现一下,一直到一周前才开始动手实现。自己参考【机器学习】课程中数字识别的作业题写了代码,对于作业题中给 阅读全文
posted @ 2017-04-15 11:52 昕-2008 阅读(50447) 评论(16) 推荐(6) 编辑
摘要:机器学习中的代价函数相关内容总结 阅读全文
posted @ 2017-04-01 20:12 昕-2008 阅读(89026) 评论(8) 推荐(5) 编辑
摘要:注:其实自认为还是非常喜欢数学的,但是对于复杂的公式还是有种恐惧感,就像最开始学英语时,对英语的感觉一样。但是数学与英语不同的地方在于,你可以尽情的刨根问底,从最基础的知识开始了解,直到最终把一个符号或者公式的含义弄明白。在机器学习的过程中,也会碰到各种各样的符号,尤其是遇到多参数,多样本的情况时, 阅读全文
posted @ 2017-01-20 20:49 昕-2008 阅读(6426) 评论(1) 推荐(3) 编辑
摘要:注:最近开始学习《人工智能》选修课,老师提纲挈领的介绍了一番,听完课只了解了个大概,剩下的细节只能自己继续摸索。 从本质上讲:机器学习就是一个模型对外界的刺激(训练样本)做出反应,趋利避害(评价标准)。 1. 什么是逻辑回归? 许多人对线性回归都比较熟悉,但知道逻辑回归的人可能就要少的多。从大的类别 阅读全文
posted @ 2016-12-27 00:07 昕-2008 阅读(75507) 评论(19) 推荐(3) 编辑