摘要：ref：https://www.cnblogs.com/douzujun/p/13282073.html 按照“填空顺序编号”分别完成“参数优化”，“不同基函数”的实现 import numpy as np import matplotlib.pyplot as plt def load_data( 阅读全文

摘要：实验目标： 实现sigmoid的交叉熵损失函数(不使用tf内置的loss 函数) # 填空一，实现sigmoid的交叉熵损失函数(不使用内置的 loss 函数) # loss_fn = nn.BCELoss() # pytorch交叉熵损失函数 def loss_fn(label, pred): # 阅读全文

摘要：Logistic回归以及softmax回归 问题描述 完成 logistic_regression-exercise.ipnb中的填空 填空一：实现sigmoid的交叉熵损失函数(不使用tf内置的loss 函数) 完成 softmax_regression-exercise.ipnb中的填空 填空一 阅读全文

摘要：# 定义模型 class LR(nn.Module): def __init__(self): super().__init__() self.lr = nn.Linear(ndim, 1) def forward(self, x): out = self.lr(x) return out mode 阅读全文

摘要：多项式基函数 梯度下降优化过程中，产生“梯度爆炸”，在第14轮运算溢出。 def gradient(phi_grad, y, w_init, lr=0.001, step_num=16): # lr 学习率; step_num 迭代次数 w_train = w_init for i in range 阅读全文

摘要：通过基函数对元素数据进行交换，从而将变量间的线性回归模型转换为非线性回归模型。 最小二乘法 + 多项式基函数 最小二乘法 + 高斯基函数 def multinomial_basis(x, feature_num=10): x = np.expand_dims(x, axis=1) # shape(N 阅读全文

摘要：实验结果： 源代码： import numpy as np import matplotlib.pyplot as plt def load_data(filename): # 载入数据 xys = [] with open(filename, 'r') as f: for line in f: x 阅读全文

摘要：实验结果： 源代码： import numpy as np import matplotlib.pyplot as plt def load_data(filename): # 载入数据 xys = [] with open(filename, 'r') as f: for line in f: x 阅读全文

摘要：实验1：线性回归的参数优化-最小二乘法 1 最小二乘法原理 基于均方误差最小化进行模型求解。 线性回归中，试图找到一条直线，使所有样本到直线的欧氏距离之和最小。（西瓜书P54） 图源：NNDL P34 2 最小二乘法优化公式 (参考书中第二章 2.3中的公式)，在main（）中利用训练集训练模型的参 阅读全文

摘要：说明 请按照填空顺序编号分别完成 参数优化，不同基函数的实现 import numpy as np import matplotlib.pyplot as plt def load_data(filename): """载入数据。""" xys = [] with open(filename, 'r 阅读全文

摘要：numpy 练习题 numpy 的array操作 1.导入numpy库 2.建立一个一维数组 a 初始化为[4,5,6], (1)输出a 的类型（type）(2)输出a的各维度的大小（shape）(3)输出 a的第一个元素（值为4） 3.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 阅读全文

摘要：源代码： # numpy练习题 print(" numpy练习题 1 ") # 1.导入numpy库 import numpy as np print(" numpy练习题 2 ") # 2.建立一个一维数组a初始化为[4, 5, 6], # (1) 输出a的类型（type） # (2) 输出a的各 阅读全文

摘要：神经网络与深度学习 作者：邱锡鹏 神经网络与深度学习 (nndl.github.io) 阅读全文