wangya216 - 博客园

2025年12月7日

摘要：一文读懂MindSpore的construct方法：神经网络的“自动流水线” 在MindSpore里写神经网络时，总有个绕不开的construct方法——它既不用我们手动调用，却能让模型自动完成从输入到输出的计算。很多新手会疑惑：这方法到底是干啥的？啥时候会跑起来？为啥不能直接写个forward函数阅读全文

posted @ 2025-12-07 20:26 wangya216 阅读(12) 评论(0) 推荐(0)

实操教程：MindSpore中确定神经网络隐藏层与输出层神经元数量

摘要：实操教程：MindSpore中确定神经网络隐藏层与输出层神经元数量在神经网络建模中，隐藏层/输出层神经元数量的配置直接决定模型性能。不合理的设置会导致欠拟合、过拟合或训练收敛困难。本文基于MindSpore框架，通过理论+完整代码实操，系统讲解输出层与隐藏层神经元数量的确定逻辑，涵盖鸢尾花3分类、阅读全文

posted @ 2025-12-07 20:25 wangya216 阅读(10) 评论(0) 推荐(0)

scikit-learn 能否做深度学习？——兼谈不同神经元数量的模型对比实验实现

摘要： scikit-learn 能否做深度学习？——兼谈不同神经元数量的模型对比实验实现在机器学习工具选型中，很多人会有一个疑问：scikit-learn（简称sklearn）只支持传统机器学习，不包含深度学习功能吗？答案是：不完全准确。sklearn 的核心定位是传统机器学习（如决策树、SVM、逻辑阅读全文

posted @ 2025-12-07 20:15 wangya216 阅读(16) 评论(0) 推荐(0)

“人工神经元只能有一个输入？”—— 澄清输入层、隐藏层与输出层的关键差异

摘要： “人工神经元只能有一个输入？”—— 澄清输入层、隐藏层与输出层的关键差异在学习人工神经网络时，很多人会被三个核心问题绕晕：一是“人工神经元是不是只能有一个输入？”，尤其看到“输入层节点数量等于特征数”时容易误解；二是“隐藏层、输出层神经元的参数是不是都一样？”；三是“‘加权求和+偏置+输出’的整体阅读全文

posted @ 2025-12-07 20:08 wangya216 阅读(27) 评论(0) 推荐(0)

从人脑神经元到MindSpore深度神经网络：感知机、多层感知器与卷积神经网络的通俗解读

摘要：从人脑神经元到MindSpore深度神经网络：感知机、多层感知器与卷积神经网络的通俗解读我们的大脑之所以能完成思考、判断、感知等复杂任务，核心在于其内部千亿级神经元组成的精密网络。当科学家试图用机器复刻这种智能时，便诞生了“人工神经网络”，而感知机正是这一领域的“初代基石”，多层感知器实现了从单神阅读全文

posted @ 2025-12-07 09:19 wangya216 阅读(57) 评论(0) 推荐(0)

从人脑神经元到PyTorch深度神经网络：感知机、多层感知器与卷积神经网络的通俗解读

摘要：从人脑神经元到PyTorch深度神经网络：感知机、多层感知器与卷积神经网络的通俗解读我们的大脑之所以能完成思考、判断、感知等复杂任务，核心在于其内部千亿级神经元组成的精密网络。当科学家试图用机器复刻这种智能时，便诞生了“人工神经网络”，而感知机正是这一领域的“初代基石”，多层感知器实现了从单神经元阅读全文

posted @ 2025-12-07 09:16 wangya216 阅读(15) 评论(0) 推荐(0)

2025年12月6日

深度学习入门教程（MindSpore版）

摘要：深度学习入门教程（MindSpore版）前言这篇教程面向零基础小白，不堆砌复杂公式，只用“人话”+ 可运行的MindSpore代码，带你搞懂深度学习的核心逻辑，亲手跑通第一个深度学习模型。 MindSpore是华为推出的全场景深度学习框架，特点是易上手、适配国产硬件，新手友好度拉满。我们先搞定“ 阅读全文

posted @ 2025-12-06 15:43 wangya216 阅读(26) 评论(0) 推荐(0)

Scikit-learn与MindSpore的概念对比：相同点、差异及叫法区别

摘要： Scikit-learn与MindSpore的概念对比：相同点、差异及叫法区别 Scikit-learn（简称sklearn）是传统机器学习工具库，MindSpore是全场景深度学习框架，二者因定位不同，既有底层逻辑相通的概念，也有大量专属概念和叫法差异，下面分维度拆解：一、相同核心概念（底层逻辑阅读全文

posted @ 2025-12-06 13:52 wangya216 阅读(14) 评论(0) 推荐(0)

深度学习、机器学习与强化学习的关系：通俗解析（从基础到细分）

摘要：深度学习、机器学习与强化学习的关系：通俗解析（从基础到细分）很多新手会混淆这三个概念：机器学习是“大范畴”，深度学习是机器学习的“子集”（靠神经网络实现），强化学习是机器学习的“另一独立子集”（靠交互试错学习） —— 三者不是并列关系，而是“总-分”+“不同细分方向”的关系。用一句话概括核心：阅读全文

posted @ 2025-12-06 00:09 wangya216 阅读(84) 评论(0) 推荐(0)

线性回归、多层感知机（MLP）与CNN的区别与联系：通俗解析（MindSpore视角）

摘要：线性回归、多层感知机（MLP）与CNN的区别与联系：通俗解析（MindSpore视角）上一篇教程我们用线性回归入门了深度学习，现在聚焦三个核心模型——线性回归、多层感知机（MLP）、卷积神经网络（CNN），用“人话+实例”讲清它们的关系：本质都是“从数据找规律的函数”，区别在于处理数据的能力、结构阅读全文

posted @ 2025-12-06 00:05 wangya216 阅读(103) 评论(0) 推荐(0)

2025年12月4日

强化学习入门教程

摘要： 1 强化学习入门教程：像教小孩走路一样搞懂AI 不用记公式、不用懂代码，咱们用教小孩学走路这个事儿，把强化学习讲得明明白白。一、强化学习的本质：试错中找甜头先想一个场景：你家刚会爬的小宝宝，想自己站起来走路。宝宝（咱们叫它智能体）一开始啥也不会，只能瞎晃、摔跤；它站了1秒没倒，你拍手夸它、阅读全文

posted @ 2025-12-04 17:25 wangya216 阅读(100) 评论(0) 推荐(0)

告别Jupyter包安装烦恼：!pip、%pip、!python -m pip 用法全解析

摘要：告别Jupyter包安装烦恼：!pip、%pip、!python -m pip 用法全解析在使用Jupyter Notebook/Lab进行数据分析、机器学习开发时，安装第三方库是基础操作，但很多人都会遇到「明明装了库却导入失败」「包装到全局环境而非当前内核」的问题。核心原因在于没选对pip的调用阅读全文

posted @ 2025-12-04 16:59 wangya216 阅读(54) 评论(0) 推荐(0)

scikit-learn 入门教程

摘要： Sklearn 入门教程：从思维到落地的完整指南引言 Sklearn（Scikit-learn）堪称Python机器学习领域的“瑞士军刀”——不仅API设计简洁统一、工具链覆盖全场景，更核心的是其蕴含的机器学习通用思维，能无缝迁移到TensorFlow、PyTorch等框架，适配分类、回归、聚类等阅读全文

posted @ 2025-12-04 13:38 wangya216 阅读(29) 评论(0) 推荐(0)

2025年12月3日

numpy中的视图概念

摘要：视图是什么？在 NumPy 中，“视图（view）” 是一个非常核心且高效的概念。理解它，能帮你写出更快、更省内存的代码。 🌟 一句话定义：视图是原数组的一个“窗口”或“别名”，它不复制数据，而是共享同一块内存。修改视图，会直接影响原数组；反之亦然。 🔍 举个例子 import numpy 阅读全文

posted @ 2025-12-03 11:06 wangya216 阅读(23) 评论(0) 推荐(0)

2025年12月2日

糖尿病预测（较好的代码）

摘要： In [4]: # 导入所有需要的库 import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import load_diabetes from sklearn.ensemble import RandomFo 阅读全文

posted @ 2025-12-02 20:24 wangya216 阅读(22) 评论(0) 推荐(0)

2025年12月1日

聚类

摘要：聚类（Clustering） from sklearn.cluster import KMeans 🔤 逐词翻译： sklearn：scikit-learn，Python 最流行的机器学习库 cluster（聚类）：一种无监督学习任务，目标是把相似的数据点“分组” KMeans（K均值）：最经典、阅读全文

posted @ 2025-12-01 09:58 wangya216 阅读(36) 评论(0) 推荐(0)

2025年11月30日

【第9章】教材上代码

摘要：代码清单9-1 导入scikit-learn工具包¶ In [2]: import sklearn #导入sklearn工具包 from sklearn import ensemble #从sklearn工具包中导入ensemble模块 from sklearn.ensemble import Gr 阅读全文

posted @ 2025-11-30 10:05 wangya216 阅读(12) 评论(0) 推荐(0)

2025年11月29日

深度解析 Polynomial（多项式）：从数学本质到机器学习应用的全方位指南

摘要：深度解析 Polynomial（多项式）：从数学本质到机器学习应用的全方位指南在数学与机器学习的交叉领域，“多项式（Polynomial）”是一个贯穿基础与应用的核心概念——它既是描述非线性关系的数学工具，也是连接线性模型与复杂数据的桥梁。本文将从“名字由来”“数学定义”“生活实例”“机器学习应用阅读全文

posted @ 2025-11-29 14:42 wangya216 阅读(101) 评论(0) 推荐(0)

为什么大家老爱把非线性问题塞进线性模型（包含实战演练）？+Ridge：“防过拟合神器”

摘要：把“弯”的变成“直”的—— 为什么大家老爱把非线性问题塞进线性模型？（精修版）一、先讲个生活段子你去买菜，老板告诉你： “萝卜 2 块钱一斤，买 3 斤以上打 8 折，5 斤以上打 6 折。” 价格跟重量不是一条直线，是“折线”——典型的非线性。可你回家记账，只愿意写一行： “今天买萝卜花了阅读全文

posted @ 2025-11-29 11:10 wangya216 阅读(16) 评论(0) 推荐(0)

为什么说 y = a₁x₁ + a₂x₂ + b 是线性的？

摘要：为什么说 y = a₁x₁ + a₂x₂ + b 是线性的？ 0. 开场白很多人第一次看到这个方程都会点头：“嗯，线性！” 可一旦追问“为什么”，答案往往只剩一句：“因为图像是一条直线……呃不，一张平面？” 故事还没完。今天咱们把“直线”→“平面”→“数学定义”→“工程习惯”一次说完，带你从直觉到阅读全文

posted @ 2025-11-29 10:51 wangya216 阅读(7) 评论(0) 推荐(0)

彻底解决matplotlib中Z轴标签截断问题（强制预留标签空间）

摘要： I 彻底解决Z轴标签截断问题（强制预留标签空间）用“釜底抽薪”的思路——直接给Z轴标签单独预留独立空间，不用再微调边距和位置，无论你的画布尺寸、Matplotlib版本如何，都能100%完整显示，以下是必生效的代码：最终最终完整代码（标签无任何截断） import matplotlib.pypl 阅读全文

posted @ 2025-11-29 10:05 wangya216 阅读(14) 评论(0) 推荐(0)

Matplotlib 3D图入门教程

摘要： Matplotlib 3D图入门教程 Matplotlib 绘制 3D 图的核心是 mpl_toolkits.mplot3d 工具包，它在 2D 绘图基础上增加了“z轴”维度，原理和 2D 绘图一致——都是通过 Figure（画布）和 Axes（绘图区域）控制，只是 3D 图的 Axes 是专门的阅读全文

posted @ 2025-11-29 09:14 wangya216 阅读(82) 评论(0) 推荐(0)

2025年11月28日

`train_test_split` 是什么？

摘要：一、函数基础：train_test_split 是什么？ train_test_split 是 sklearn 提供的数据集划分工具，核心功能是：随机打乱原始数据（避免数据有序性导致的偏差）；按指定比例拆分数据为「两部分」（默认是训练集和测试集）；保证拆分后，x 和 y 的对应关系不混乱（即某阅读全文

posted @ 2025-11-28 21:56 wangya216 阅读(71) 评论(0) 推荐(0)

详解np.random.normal(0, 3, size=x.shape)

摘要：一、完整语法与参数解释 np.random.normal(loc=0, scale=1, size=None) 是 NumPy 中生成「正态分布（高斯分布）」随机数的核心函数，参数含义如下：参数名默认值作用说明对应代码中的含义 loc 0 正态分布的「均值（μ）」，决定分布的中心位置噪声的阅读全文

posted @ 2025-11-28 21:41 wangya216 阅读(84) 评论(0) 推荐(0)

随机种子是什么？

摘要：在编程（尤其是数据科学、机器学习）中，随机种子（Random Seed）是一个用于初始化随机数生成器的“起始值”，核心作用是让「随机过程可复现」——简单说，用相同的随机种子，每次运行代码得到的随机结果（如随机划分数据、生成随机噪声、模型初始化权重）完全一致；不设置种子则每次结果都不同。一、先看直观阅读全文

posted @ 2025-11-28 21:31 wangya216 阅读(94) 评论(0) 推荐(0)