摘要: 前言: 这个博客是为了解决异或问题,原理是利用非线性的量来进行划分,和前面的知识有些类似。 正文: 总结: 这个专门用来解决异或问题,和单层感知器的知识有所不同的是用了不同的激活函数,以及用n来计数,引入了6个输入量,相当于在求解一个二次方程(关于y的二次方程),再利用求根公式来进行画线。 阅读全文
posted @ 2020-05-09 08:42 超级无敌57 阅读(999) 评论(0) 推荐(0) 编辑
摘要: 前言: 神经网络是非常重要的且用途广泛,通过模拟人体的处理信息方式来解决问题,下面就来介绍一下单层感知器。 正文: 每次都会随机出来三个权值: [[ 0.00716618] [ 0.09579097] [ 0.86859556]] 因为每次随机数的权值都不同,所以迭代次数也有所不同,这里就只po出最 阅读全文
posted @ 2020-04-29 09:59 超级无敌57 阅读(295) 评论(3) 推荐(0) 编辑
摘要: 前言: 上篇介绍了knn的实现过程,这次我们使用库里自带的数据集来进行knn的实现。 正文: 各类参数如下: precision recall f1 score support 0 1.00 1.00 1.00 20 1 1.00 0.83 0.91 12 2 0.80 1.00 0.89 8 av 阅读全文
posted @ 2020-04-09 10:00 超级无敌57 阅读(913) 评论(0) 推荐(0) 编辑
摘要: 前言: 找了个时间来写一下knn的算法,发现了不少意外的惊喜,以前有些马马虎虎的东西今天居然理解了,并发现了几篇好博文可以和大家分享。 knn主要是利用数据特征与其他已知数据的远近程度来进行分类。 正文: 画出的图像如下: Out[9]:array([[ 15, 14], [ 16, 10], [ 阅读全文
posted @ 2020-04-07 16:08 超级无敌57 阅读(548) 评论(0) 推荐(0) 编辑
摘要: 前言: 大概两三周没动这块了,最近要抓紧时间复习并写博客记录,此次为利用sklearn库来解决非线性逻辑回归问题 正文: 利用函数数据画出的图像如下: 图片展示如下,可以看出正确率很低,还不如自己猜: 经过处理的数据带入图像如下: 正确率达到了百分之99,可见提前处理数据是非常必要的。 总结: 利用 阅读全文
posted @ 2020-03-23 17:30 超级无敌57 阅读(1298) 评论(0) 推荐(0) 编辑
摘要: 前言: 在利用了自己编写的函数之后,希望能用一种更加简洁的方法来实现逻辑回归,因此就期待sklearn的表现了! 正文: 图片展示如下: 总结: 可以发现调用sklearn库要比自己写要简单的多,但是手写函数是一种加深理解 的过程,用时则用sklearn,究其本质时还需要手写函数来进行验证。 阅读全文
posted @ 2020-03-05 09:53 超级无敌57 阅读(548) 评论(1) 推荐(0) 编辑
摘要: 前言: 线性关系主要解决一类事物的特点,而逻辑回归注重于解决分类问题,试图寻找多种事物的边界所在,因此掌握逻辑回归是十分必要的! 正文: 执行效果如下: 打印出来的data格式如下: 训练后的权值如下: 图片展示如下: 三种率运算如下: 总结: 可以看出工作量很高,检查很频繁,容易报错,尤其要求对参 阅读全文
posted @ 2020-02-25 09:50 超级无敌57 阅读(434) 评论(0) 推荐(0) 编辑
摘要: 前言: 解决线性回归问题不仅可以使用梯度下降法,还可以使用标准方程法,今天我将尝试用标准方程法来解决问题 正文: 图片展示: 图片显示如下: 可以看到x_data修改后的格式 结果如下: 总结: 通过标准方程法同样可以解决问题,且较为简单,但对于多参数问题,则梯度下降法比较合适! 阅读全文
posted @ 2020-02-21 16:45 超级无敌57 阅读(462) 评论(0) 推荐(0) 编辑
摘要: 前言: 有些生活中的问题也许符合一元或多元线性回归的标准,但还有很多问题无法用一条直线来解决,需要使用样式更多更复杂的曲线来说明问题,因此今天我将要解决多项式的问题。 正文: 图片展示如下: 可以看出这个图片属于曲线类型,如果用直线来表示,效果一定不好! 展示一下直线的效果: 可以发现直线的效果很差 阅读全文
posted @ 2020-02-21 11:51 超级无敌57 阅读(225) 评论(0) 推荐(0) 编辑
摘要: 前言: 前面用自写函数解决了多元问题,现在用sklearn库来解决多元线性问题 正文: 数据图片: 切分后的数据: 测试结果如下: 总结: 效果还是不错的,而且这个图可以移动,方便查看! 阅读全文
posted @ 2020-02-21 10:51 超级无敌57 阅读(1062) 评论(0) 推荐(0) 编辑