HDU李少帅 - 博客园

2022年4月28日

摘要：简介卷积神经网络专有名词释义卷积层，使用算子对图像进行卷积，感觉是对图像信息的一种压缩。池化层，分块提取信息 padding，防止卷积的时候信息丢失全连接层，图像信息都对对接经典CNN模型参考经典的CNN结构搭建新模型使用经典的CNN模型结构对图像预处理，再建立MLP模型经典阅读全文

posted @ 2022-04-28 10:56 HDU李少帅阅读(200) 评论(0) 推荐(0)

2022年4月26日

多层感知器

摘要：简介将多个逻辑回归网络层叠起来构建多层感知器在不增加高次项数据的情况下，如何通过MLP实现非线性分类预测。 + MNIST 数据集的MLP模型参考链接推荐安装李沐的 cuda 还有GPU版本 https://www.bilibili.com/video/BV18K411w7Vs 阅读全文

posted @ 2022-04-26 14:44 HDU李少帅阅读(127) 评论(0) 推荐(0)

2022年4月25日

实战（二）机器学习之数据分离与混淆矩阵

摘要：简介使用多个KNN参数进行训练参考链接 https://blog.csdn.net/weixin_46344368/article/details/107214449?spm=1001.2014.3001.5502 code #加载数据 import pandas as pd import nu 阅读全文

posted @ 2022-04-25 17:20 HDU李少帅阅读(109) 评论(0) 推荐(0)

实战（一）：酶活性预测

摘要：简介使用多个线性回归参数对模型进行预测。 code # load the data import pandas as pd import numpy as np data_train = pd.read_csv('T-R-train.csv') data_train #数据预览 #define 阅读全文

posted @ 2022-04-25 13:25 HDU李少帅阅读(431) 评论(0) 推荐(0)

模型优化

摘要：简介探讨模型优化任务二分类问题1：用什么算法？逻辑回归 KNN 决策树神经网络问题2：具体算法的核心结构或参数如何选择？逻辑回归边界函数用什么：线性，多项式？ KNN的核心参数n_neighbors取多少合适。问题3：模型表现不佳，怎么办？？训练数据准确率太低测试数据准确率阅读全文

posted @ 2022-04-25 11:46 HDU李少帅阅读(116) 评论(0) 推荐(0)

机器学习之数据分离与混淆矩阵

摘要：简介实例基本流程：数据载入->数据可视化与预处理->模型创建->全数据用于模型训练->模型评估数据分离可以用于模型评估对全数据进行数据分离，部分用于训练，部分用于新数据的结果预测！通常来说分为3步：把数据分成两部分：训练集、测试集使用训练集数据进行模型训练使用测试集数据进行预测，更有阅读全文

posted @ 2022-04-25 11:23 HDU李少帅阅读(214) 评论(0) 推荐(0)

2022年4月22日

欠拟合与过拟合

摘要：简介模型不合适，导致其无法对数据实现有效预测 | | 训练数据 | 预测数据 | | | | | | 欠拟合 | 不准确 | 不准确 | | 过拟合 | 准确 | 不准确 | | 好模型 | 准确 | 准确 | 原因模型结构过于复杂（维度过高）使用了过多属性，模型训练时包含了干扰信息解决办法阅读全文

posted @ 2022-04-22 15:39 HDU李少帅阅读(45) 评论(0) 推荐(0)

实战 PCA

摘要：简介 PCA code #加载数据 import pandas as pd import numpy as np data = pd.read_csv('iris_data.csv') data.head(100) print(pd.value_counts(data.loc[:,'label']) 阅读全文

posted @ 2022-04-22 15:15 HDU李少帅阅读(41) 评论(0) 推荐(0)

实战异常检测

摘要：简介参考链接 https://blog.csdn.net/weixin_46344368/article/details/106312536?spm=1001.2014.3001.5502 code # 实战异常检测 #加载数据 import pandas as pd import numpy 阅读全文

posted @ 2022-04-22 14:37 HDU李少帅阅读(77) 评论(0) 推荐(0)

PCA 主成分分析

摘要：简介数据降维，是指在某些限定条件下，降低随机变量个数，得到一组不相关主变量的过程作用：实现数据可视化减少模型分析数据量，提升处理效率，降低计算难度如何实现？使投影后数据的方差最大，因为方差越大数据也越分散计算过程：原始数据预处理（标准化 \(\mu = 0, \sigma = 1\ 阅读全文

posted @ 2022-04-22 11:22 HDU李少帅阅读(93) 评论(0) 推荐(0)