摘要：
机器学习类型 机器学习模型评估步骤 深度学习数据准备 特征工程 过拟合 解决机器学习问题的一般性流程 机器学习四分支 二分类、多分类以及回归问题都属于监督学习－－目标是学习训练输入和对应标签之间的关系。 监督学习只是机器学习的冰山一角。机器学习主要分为４类:监督学习、非监督学习、半监督学习和强化学习 阅读全文
摘要：
预测房价：回归问题 回归问题预测结果为连续值，而不是离散的类别。 波士顿房价数据集 通过20世纪70年代波士顿郊区房价数据集，预测平均房价；数据集的特征包括犯罪率、税率等信息。数据集只有506条记录，划分成404的训练集和102的测试集。每个记录的特征取值范围各不相同。比如，有0~1,1~12以及0 阅读全文
摘要：
Reuters数据集下载速度慢，可以在我的 "repo库" 中找到下载，下载后放到~/.keras/datasets/目录下，即可正常运行。 构建神经网络将路透社新闻分类，一共有46个类别。因为有多个类别，属于多分类问题，而每条数据只属于一个类别，所以是单标签多分类问题；如果每条数据可以被分到多个类 阅读全文
摘要：
IMDB数据集下载速度慢，可以在我的 "repo库" 中找到下载，下载后放到~/.keras/datasets/目录下，即可正常运行。)中找到下载，下载后放到~/.keras/datasets/目录下，即可正常运行。 电影评论分类：二分类 二分类可能是机器学习最常解决的问题。我们将基于评论的内容将电 阅读全文
摘要：
神经网络入手[上] [x] 神经网络的核心部分 [x] Keras介绍 [ ] 使用Keras解决简单问题：分类和回归 神经网络剖析 神经网络的训练与下列对象相关： 网络层Layers，网络层结合形成神经网络模型； 输入数据以及对应标签； 损失函数，定义用来学习的反馈信号； 优化方法，定义学习过程。 阅读全文
摘要：
理解深度学习需要熟悉一些简单的数学概念：Tensors(张量)、Tensor operations 张量操作、differentiation微分、gradient descent 梯度下降等等。 “Hello World” MNIST 手写数字识别 由上面的程序，我们了解了如何构建网络以及如何进行网 阅读全文
摘要：
最近遇到数据样本数目不足的问题，自己写的增强工具生成数目还是不够，终于在网上找到一个数据增强工具包，足够高级，足够傻瓜。想要多少就有多少！再也不怕数据不够了！ 简介 "Augmentor" 是一个Python包，旨在帮助机器学习任务的图像数据人工生成和数据增强。它主要是一种数据增强工具，但也将包含基 阅读全文
摘要：
完整代码： " 点我" 欢迎star、fork；一起学习 网络用途 或者说应用场景：使用单层神经网络来识别一张图片是否是 猫咪 的图片。 数学表示 给定一张图片$X$ 送到网络中，判断这张图片是否是猫咪的照片？ 网络架构 多层神经网络处理过程： X $[linear + relu]^{(L 1)}$ 阅读全文
摘要：
使用python手写实现单层神经网络[本质上学习logistic 回归的系数]。单层：有参数的一层；输入不算网络层。 网络用途 或者说应用场景：使用单层神经网络来识别一张图片是否是 猫咪 的图片。 数学表示 给定一张图片$X$ 送到网络中，判断这张图片是否是猫咪的照片？ 网络架构 单层神经网络: X 阅读全文
摘要：
背景：在深度学习优化算法，如:Momentum、RMSprop、Adam中都涉及到指数加权平均这个概念。为了系统的理解上面提到的三种深度学习优化算法，先着重理解一下 指数加权平均 (exponentially weighted averages) 定义 指数移动平均（EMA）也称为指数加权移动平均（ 阅读全文