机器学习算法 - 随笔分类 - wangssd

端侧部署 pytorch mobile、TensorFlow Lite、

摘要：PyTorch Mobile网站介绍，处在Beta阶段，待API稳定之后，很快会推出稳定版。Feature包括：为ios，Android，Linux提供支持；提供API，涵盖将 ML 集成到移动应用中所需的常见预处理和集成任务；通过TorchScript IR支持tracing与scripti 阅读全文

posted @ 2023-07-27 15:19 wangssd 阅读(918) 评论(0) 推荐(0)

参数调优网格搜索寻找最优参数 GridSearchCV

摘要：GridSearchCV可以拆分为两部分，GridSearch和CV，即网格搜索和交叉验证。网格搜索:：搜索的是参数，即在指定的参数范围内，按步长依次调整参数，利用调整的参数训练学习器，从所有的参数中找到在验证集上精度最高的参数，这其实是一个训练和比较的过程。 k折交叉验证：将所有数据集分成k份，阅读全文

posted @ 2023-06-06 15:12 wangssd 阅读(307) 评论(0) 推荐(0)

常用的boosting算法

摘要：boosting算法有许多种具体算法，包括但不限于ada boosting \ GBDT \ XGBoost 。 ada boosting 原始数据集》某种算法拟合，会产生错误》根据上个模型预测结果，更新样本点权重（预测错误的结果权重增大）》再次使用模型进行预测》重复上述过程，继续重点阅读全文

posted @ 2023-06-01 16:01 wangssd 阅读(151) 评论(0) 推荐(0)

机器学习模型优化：variance bias

摘要：bias（偏差：指同一个点的训练数据的预测值与正确值间的偏离程度） variance（方差：指同一个点的训练数据的预测值的离散程度）一般情况下，模型需要在bias和variance之间取得一个平衡。bias小的模型，variance一般大；variance小的模型，bias一般大。更好的理解bia 阅读全文

posted @ 2023-06-01 15:14 wangssd 阅读(94) 评论(0) 推荐(0)

深度强化学习 Deep Reinforcement Learning（DRL））

摘要：深度强化学习(Deep Reinforcement Learning，DRL)本质上属于采用神经网络作为值函数估计器的一类方法，其主要优势在于它能够利用深度神经网络对状态特征进行自动抽取，避免了人工定义状态特征带来的不准确性，使得Agent能够在更原始的状态上进行学习。强化学习是机器学习的一种学阅读全文

posted @ 2023-02-13 19:50 wangssd 阅读(1224) 评论(0) 推荐(0)

linux下查看gpu显卡占用

摘要：命令：nvidia-smi 阅读全文

posted @ 2023-01-06 10:28 wangssd 阅读(510) 评论(0) 推荐(0)

模型评价指标

摘要：准确度、精确度、召回率、F1值作为评估指标，经常用到分类效果的评测上。精确度：可以理解为预测出的东西有多少是用户感兴趣的；召回率：可以理解为用户感兴趣的东西有多少被预测出来； F1值：综合精确度和召回率两个指标。 TP（True Positives)：真正例，预测为正例而且实际上也是正例； FP 阅读全文

posted @ 2022-12-27 20:37 wangssd 阅读(457) 评论(0) 推荐(0)

机器学习总章

摘要：分类含义：标识对象的所属类别类别：监督学习算法：SVM、KNN、随机森林、决策树、贝叶斯回归含义：预测与对象关联的连续值属性类别：监督学习算法：SVR、KNN、随机森林、随机梯度下降、多项式回归、logistic回归聚类含义：自动将相似对象归为一组类别：无监督学习算法：K-均值阅读全文

posted @ 2022-12-27 20:02 wangssd 阅读(77) 评论(0) 推荐(0)

机器学习：classification (分类)，regression (回归), clustering (聚类), dimensionality reduction (降维)

摘要：聚类（clustering）无监督学习的结果。聚类的结果将产生一组集合，集合中的对象与同集合中的对象彼此相似，与其他集合中的对象相异。没有标准参考的学生给书本分的类别，表示自己认为这些书可能是同一类别的（具体什么类别不知道，没有标签和目标，即不是判断书的好坏（目标，标签），只能凭借特征而分类）。阅读全文

posted @ 2022-11-23 16:04 wangssd 阅读(813) 评论(0) 推荐(0)

随机深林使用graphviz进行可视化

摘要：from sklearn.ensemble import RandomForestClassifier rf = RandomForestClassifier(n_estimators=2, max_depth=2, random_state=1) rf.fit(x_train, y_train) 阅读全文

posted @ 2022-11-23 10:02 wangssd 阅读(250) 评论(0) 推荐(0)

时间序列建模

摘要：https://blog.csdn.net/qq_42818403/article/details/123632502?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EC 阅读全文

posted @ 2022-11-22 20:15 wangssd 阅读(31) 评论(0) 推荐(0)

集成学习(Bagging、Boosting、Stacking)

摘要：https://blog.csdn.net/weixin_43776305/article/details/116895875 集成学习集成学习有两个主要的问题需要解决，第一是如何得到若干个个体学习器，第二是如何选择一种结合策略，将这些个体学习器集合成一个强学习器。集成算法会考虑多个评估器的建模阅读全文

posted @ 2022-11-22 17:44 wangssd 阅读(290) 评论(0) 推荐(0)

sklearn 决策树算法

摘要：https://cloud.tencent.com/developer/article/1819247 决策树三大流行算法ID3、C4.5和CART 3个算法的主要区别在于度量信息方法、选择节点特征还有分支数量的不同。 ID3：采用熵（entropy）来度量信息不确定度，选择“信息增益”最大的作为节阅读全文

posted @ 2022-11-22 17:15 wangssd 阅读(238) 评论(0) 推荐(0)

机器学习算法（适用于特征明确的小样本训练）

摘要：推荐学习网站 scikit-learn 中文社区网址： https://scikit-learn.org.cn/ 阅读全文

posted @ 2022-11-09 11:00 wangssd 阅读(72) 评论(0) 推荐(0)

神经网络评价指标-准确率、召回值、f1值

摘要：转载：https://cloud.tencent.com/developer/article/1486764 机器学习问题之中，通常需要建立模型来解决具体问题，但对于模型的好坏，也就是模型的泛化能力，如何进行评估呢？很简单，我们可以定一些评价指标，来度量模型的优劣。比如准确率、精确率、召回率、F1 阅读全文

posted @ 2022-04-28 16:26 wangssd 阅读(7603) 评论(0) 推荐(1)

wangssd

随笔分类 - 机器学习算法

公告