10 2022 档案

4神经网络
摘要：单层感知机 Delta学习规则 BP(Back Propagation)神经网络 阅读全文
posted @ 2022-10-30 16:22 辛宣 阅读(40) 评论(0) 推荐(0)
非线性逻辑回归
摘要：非线性逻辑回归的代码： 关于 PolynomialFeatures PolynomialFeatures 多项式特征，设置不同的degree，可以变的更拟合，如图 scale = False 数据是否需要标准化 preprocessing.scale(X)直接标准化数据X np.r—和np.c # 阅读全文
posted @ 2022-10-19 12:06 辛宣 阅读(72) 评论(0) 推荐(0)
逻辑回归
摘要：jupyter里查看函数用法： 点到函数，再shift+tab 运行一下函数 shift+enter 逻辑回归的梯度下降的代码 numpy.concatenate()函数 np.concatenate((a,b),axis=1) #axis=1表示对应行的数组进行拼接，横着加 np.concaten 阅读全文
posted @ 2022-10-18 16:50 辛宣 阅读(57) 评论(0) 推荐(0)
一元线性回归
摘要：一元线性回归 sklearn一元线性回归代码： https://github.com/xinxuann/MachineLearningNote/blob/main/sklearn-%E4%B8%80%E5%85%83%E7%BA%BF%E6%80%A7%E5%9B%9E%E5%BD%92.ipynb 阅读全文
posted @ 2022-10-17 16:58 辛宣 阅读(110) 评论(0) 推荐(0)
LASSO和弹性网(Elastic Net)
摘要：LASSO 正则化（惩罚函数）是一阶的函数 还能看到哪些是不重要的特征 LASSO代码： 直接用sklearn的 https://github.com/xinxuann/MachineLearningNote/blob/main/sklearn-LASSO.ipynb 弹性网(Elastic Net 阅读全文
posted @ 2022-10-17 16:48 辛宣 阅读(274) 评论(0) 推荐(0)
岭回归(Ridge Regression)
摘要：岭回归 推导过程 总结： sklearn代码： https://github.com/xinxuann/MachineLearningNote/blob/main/sklearn-%E5%B2%AD%E5%9B%9E%E5%BD%92.ipynb 标准方程法-岭回归代码： https://githu 阅读全文
posted @ 2022-10-17 16:43 辛宣 阅读(218) 评论(0) 推荐(0)
过拟合和正则化
摘要：过拟合 从而有了正则化 正则化 阅读全文
posted @ 2022-10-17 16:35 辛宣 阅读(30) 评论(0) 推荐(0)
标准方程法
摘要：标准方程法 重点在于推导的过程，会推导一次就行了 代码是直接套用推导出来的公式 代码： https://github.com/xinxuann/MachineLearningNote/blob/main/%E7%BA%BF%E6%80%A7%E5%9B%9E%E5%BD%92%E6%A0%87%E5 阅读全文
posted @ 2022-10-17 16:32 辛宣 阅读(37) 评论(0) 推荐(0)
多元线性回归和多项式回归
摘要：多元线性回归 直接用sklearn库里的调用 代码： https://github.com/xinxuann/MachineLearningNote/blob/main/sklearn-%E5%A4%9A%E5%85%83%E7%BA%BF%E6%80%A7%E5%9B%9E%E5%BD%92.ip 阅读全文
posted @ 2022-10-17 16:25 辛宣 阅读(108) 评论(0) 推荐(0)
梯度下降
摘要：代价函数(Cost Function) 梯度下降 思想： 过程图： 所以第一步往往决定就是局限最小值 注意的是要同时更新 不断的将代价函数最小化，从而去最大拟合数据 阅读全文
posted @ 2022-10-17 16:10 辛宣 阅读(53) 评论(0) 推荐(0)
打开pytorch里的jupyter
摘要：解决所有问题后打开Jupyter后发现没有创建的虚拟环境，只有python 3。 解决办法：打开Anaconda Prompt，进入pytorch环境，输入如下命令： 1.激活pytorch activate py36 2.输如，比如我创建的pytorch名叫py36 python -m ipyke 阅读全文
posted @ 2022-10-17 15:34 辛宣 阅读(148) 评论(0) 推荐(0)
弹性网
摘要：q=1 就是岭回归 q=2 就是lasso 其中后面的正则项有新的算法： 就是结合了lasso和岭回归的特点 代码 https://github.com/xinxuann/MachineLearningNote/blob/main/sklearn-%E5%BC%B9%E6%80%A7%E7%BD%9 阅读全文
posted @ 2022-10-16 18:13 辛宣 阅读(119) 评论(0) 推荐(0)
pycharm链接安装好的pytroch
摘要：1.选择conda环境 2.上面的Loaction位置随便选 3.打开pycharm，底下的python console 输入： import torch torch.cuda.is_available() 注意：不是pytorch，也不是troch,之前手残总是打错 恭喜您，已经成功安装了pych 阅读全文
posted @ 2022-10-09 12:06 辛宣 阅读(59) 评论(0) 推荐(0)
安装pytroch里的jupyter
摘要：因为安装了anaconda，创建了环境pytorch名为py36 1.打开这个 2.切换到py36 3.安装jupyter 耐心等待右下角的进度条 4.安装完毕，点击启动 输入刚刚在py36里测试的代码，显示ture表示成功 阅读全文
posted @ 2022-10-09 11:32 辛宣 阅读(53) 评论(0) 推荐(0)
Anaconda Prompt切换目录
摘要：cd 然后一级一级的切换 阅读全文
posted @ 2022-10-08 19:36 辛宣 阅读(202) 评论(0) 推荐(0)
win10的pytorch环境安装（仅需10分钟）
摘要：首先不需要安装python，我是python3.6.8，接下来开始表演： 1.安装Anaconda anaconda要对应python版本，可以百度 python3.6.8对应的版本是2019.03 有这个则表示安装成功 2.配置镜像 千万别用清华镜像，下载GPU给我换成CPU版本，浪费我好久好久时 阅读全文
posted @ 2022-10-06 11:27 辛宣 阅读(973) 评论(1) 推荐(0)
关于win的引用输入路径
摘要：是双斜杠，不是单斜杠 df = pd.read_json("E:\PyPJ\work\PythonLearn\test.json") 阅读全文
posted @ 2022-10-03 10:09 辛宣 阅读(49) 评论(0) 推荐(0)