范仁义

2020年10月4日

摘要：《python深度学习》笔记 2.1-2.3、神经网络的数学基础一、总结一句话总结：神经网络由张量表示：前面讲过，神经网络完全由一系列张量运算组成，而这些张量运算都只是输入数据的几何变换。高维空间复杂变换：因此，你可以将神经网络解释为高维空间中非常复杂的几何变换，这种变换可以通过许多简单阅读全文

posted @ 2020-10-04 18:37 范仁义阅读(297) 评论(0) 推荐(0)

【tensorflow2.0】模型层layers

摘要：【tensorflow2.0】模型层layers 一、总结一句话总结： Bidirectional：双向循环网络包装器。可以将LSTM，GRU等层包装成双向循环网络。从而增强特征提取能力。 x = layers.Bidirectional(layers.LSTM(settings.LSTM_UNI 阅读全文

posted @ 2020-10-04 13:18 范仁义阅读(462) 评论(0) 推荐(0)

2020年10月3日

《python深度学*》笔记---1.3、为什么是深度学*，为什么是现在

摘要：《python深度学*》笔记 1.3、为什么是深度学*，为什么是现在一、总结一句话总结：深度学**些年投资特别多，而且目前没有迹象表明这种趋势会在短期内放缓，所以搞这行一定可以赚到很多钱 1、有时候，大事件都是从游戏开始的？ NVIDIA和AMD等公司投资数十亿美元：在20 世纪前十年里，N 阅读全文

posted @ 2020-10-03 17:06 范仁义阅读(217) 评论(0) 推荐(0)

XGBoost是什么

摘要： XGBoost是什么一、总结一句话总结： Gradient Boosting Decision Tree：XGBoost是陈天奇等人开发的一个开源机器学习项目，高效地实现了GBDT算法并进行了算法和工程上的许多改进，被广泛应用在Kaggle竞赛及其他许多机器学习竞赛中并取得了不错的成绩。 X ( 阅读全文

posted @ 2020-10-03 15:39 范仁义阅读(1359) 评论(0) 推荐(0)

梯度提升决策树算法过程

摘要：梯度提升决策树算法过程一、总结一句话总结：弱分类器拟合残差：GBDT的原理很简单，就是所有弱分类器的结果相加等于预测值，然后下一个弱分类器去拟合误差函数对预测值的残差(这个残差就是预测值与真实值之间的误差)。当然了，它里面的弱分类器的表现形式就是各棵树。 1、Boosting思想？串行：B 阅读全文

posted @ 2020-10-03 14:46 范仁义阅读(1035) 评论(0) 推荐(0)

集成方法中的梯度提升回归树（梯度提升机）模型

摘要：集成方法中的梯度提升回归树（梯度提升机）模型一、总结一句话总结：合并多个决策树：梯度提升回归树是另一种集成方法，通过合并多个决策树来构建一个更为强大的模型。回归和分类：虽然名字中含有“回归”，但这个模型既可以用于回归也可以用于分类。每颗树都试图纠正前一棵树的错误：与随机森林方法不同，梯度提阅读全文

posted @ 2020-10-03 14:16 范仁义阅读(1234) 评论(0) 推荐(0)

《python深度学习》笔记---1.2、深度学习之前：机器学习简史

摘要：《python深度学习》笔记 1.2、深度学习之前：机器学习简史一、总结一句话总结：梯度提升机用于处理结构化数据的问题，而深度学习则用于图像分类等感知问题。 1、概率建模（probabilistic modeling）？就是概率模型，比如朴素贝叶斯：概率建模（probabilistic m 阅读全文

posted @ 2020-10-03 00:23 范仁义阅读(203) 评论(0) 推荐(0)

2020年10月2日

《python深度学习》笔记---1.1、人工智能、机器学习与深度学习

摘要：《python深度学习》笔记 1.1、人工智能、机器学习与深度学习一、总结一句话总结：人工智能包含机器学习，机器学习包含深度学习系统看看书，体系比较清晰 1、从噪声中识别出信号？从噪声中识别出信号：对于未来或当前的机器学习从业者来说，重要的是能够从噪声中识别出信号，从而在过度炒作的新闻稿中阅读全文

posted @ 2020-10-02 22:36 范仁义阅读(310) 评论(0) 推荐(0)

深度学习四大经典书籍

摘要：深度学习四大经典书籍一、总结一句话总结：《Deep Learning with Python》：是 Keras 作者写的书，所以全书基本围绕着 Keras 讲深度学习的各种实现，从 CNN，RNN 到 GAN 等，偏入门《Python Machine Learning》：书籍质量很高，简单来阅读全文

posted @ 2020-10-02 17:26 范仁义阅读(2112) 评论(0) 推荐(0)

线性回归逻辑回归分类问题的区别

摘要：线性回归逻辑回归分类问题的区别一、总结一句话总结：回归算法：线性回归是一种基本的回归算法，当给出相应的训练集后，通过线性回归来寻找合适参数θ（向量）使得Hypothesis函数的Cost function最小。分类算法：逻辑回归是一个分类算法，逻辑回归的Hypothesis和线性回归非常阅读全文

posted @ 2020-10-02 15:36 范仁义阅读(1516) 评论(0) 推荐(1)

在校每年国奖、每年专业第一，加拿大留学，先后工作于华东师范大学和香港教育大学

公告