赫凯

摘要： 文章目录 过拟合欠拟合引包数据准备模型准备跑起来整体代码 过拟合欠拟合 来看看Tensorflow对于过拟合欠拟合问题是如何解决的，官网是做了一个例子来证明过拟合欠拟合的解决方案的，探索了几种正则化技术。Overfit and underfit 引包 import tensorflow as tf 阅读全文

摘要： 分类和回归是两种问题，就看下回归。 就是将模型最后输出换一下，以及损失函数换一下就好了 文章目录 回归引包数据准备模型准备跑起来做预测整体代码 回归 引包 seaborn 是绘制矩阵图的包 import pathlib import matplotlib.pyplot as plt import p 阅读全文

摘要： 上一章是对MNIST的手写数字分类，这次对Fashion MNIST进行分类，基本都一样的，只不过换了一个数据库，还是用fit函数进行训练，fit对规整的数据集，训练还是蛮方便的。官方教程 文章目录 服装图像分类引包数据准备模型准备跑起来测试整体代码 基本文本分类引包数据准备模型准备跑起来完整代码 阅读全文

摘要： 文章目录 基础版引包数据准备模型准备跑起来整体代码 进阶版引包数据准备模型准备跑起来整体代码 TensorFlow 2.0 教程 跟着官方教程走试试看 第一个简单例子是MNIST手写数字分类 基础版 引包 首先引入TensorFlow包 # 安装 TensorFlow import tensorfl 阅读全文

摘要： 聚类就是按照某个标准，把数据集划分成不同的类，不同类的数据差异性尽可能大，同类的数据相似性尽可能大。 k-means聚类算法 K邻近算法，要把数据分成K类，一开始是随机的，后来迭代进行选择，直到收敛，采用平方误差。 E = ∑ i = 1 k ∑ p ∈ C i ∥ p − m i ∥ 2 E=\s 阅读全文

摘要： 参考这篇【机器学习】支持向量机 SVM（非常详细） 支持向量机 SVM 又叫支持向量机，支持向量就是 S 、 R 、 G S、R、G S、R、G这三个点，也就是边界点吧，支持向量机就是通过支持向量运算的分类器。如果对应到超平面的话，就是找到各类样本点到超平面的距离最远，也就是找到最大间隔超平面。 背 阅读全文

摘要： 基本原理 决策树（Decision Tree）是一种分而治之的决策过程。一个困难的预测问题，通过树的分支节点，被划分成两个或多个较为简单的子集，从结构上划分为不同的子问题。将依规则分割数据集的过程不断递归下去（Recursive Partitioning）。随着树的深度不断增加，分支节点的子集越来越 阅读全文

摘要： 线性判别分析（LDA） 也是一种降维方法，思想就是 多维空间中，数据处理分类问题较为复杂，LDA算法将多维空间中的数据投影到一条直线上，将 d d d维数据转化成1维数据进行处理。对于训练数据，设法将多维数据投影到一条直线上，同类数据的投影点尽可能接近，异类数据点尽可能远离。对数据进行分类时，将其投 阅读全文

摘要： 这个知识点之前也是来来回回看了好久，我的理解是，因为没有办法一次性算出符合所有样本的目标函数，所以就只能每次一小步一小步地接近最优解，要知道其实一个样本就可以算出最优解了，但是还要兼顾其他样本。 还是做的500问的笔记 核心思想归纳： 初始化参数，随机选取取值范围内的任意数；迭代操作： a）计算当前 阅读全文

摘要： 代价函数 代价函数，在训练逻辑回归模型中需要有个评判标准，让我知道模型参数是多少的时候，模型最优。值得注意的是代价函数是针对整个训练集样本的误差平均。一个好的代价函数需要满足两个最基本的要求：能够评价模型的准确性，对参数θ可微。 就比如假设现在有好多个 ( x , y ) (x,y) (x,y)，把 阅读全文