随笔分类 - 科学相关
摘要：主成分分析和奇异值分解进行降维有何共同点？ 矩阵的奇异值分解 当矩阵不是方阵，无法为其定义特征值与特征向量，可以用一个相似的概念来代替：奇异值。 通常用一种叫奇异值分解的算法来求取任意矩阵的奇异值： 抽象的概念要用具体的方式理解，来看几张图： 上图中的红色区域是一个以原点为中心的单位圆。圆当中的任意
阅读全文
摘要：论文地址：https://people.eecs.berkeley.edu/~jonlong/long_shelhamer_fcn.pdf 这篇论文使用全卷积神经网络来做语义上的图像分割，开创了这一领域的先河。看了一天这个论文，结合网上别的其他资料，对这篇论文比较好的解读有： 1 https://l
阅读全文
摘要：其实很简单，我这里也只是记录一下而已。 第一大坑：anaconda必须安装4.2以前的版本，不能安装4.3以后的 版本；满满的血泪史 因为我们需要安装自带的python必须是3.5，才可以调用TensorFlow 但是anaconda4.3自带是python3.6 ，无法调用TensorFlow 第
阅读全文
摘要：原题：在西瓜数据集上实现K近邻分类器。 结果如下： 可以看到不同权重的分布对西瓜数据更加容易分类。 然后我们看决策树的分裂结果如下： 一个很明显的区别就是决策树的分裂边界是垂直于坐标轴的，二聚类的边界是任意形状和规则。
阅读全文
摘要：原题采用Kmeans方法对西瓜数据集进行聚类。我花了一些时间居然没找到西瓜数据集4.0在哪里，于是直接采用sklearn给的例子来分析一遍，更能说明Kmeans的效果。 运行文本结果： 图片结果：
阅读全文
摘要：用Bagging,以决策树为树桩，在西瓜数据集上实现。 基学习器个数依次为3,5,11时的效果图如下：
阅读全文
摘要：原题，以不剪枝的决策树作为基学习器，对西瓜数据集实现Adaboost分类。 运行结果如下： 分类结果训练结果相当好。当然也测试了最大深度为1的决策树作为基学习器，结果如下：
阅读全文
摘要：运用贝叶斯方法对西瓜数据集进行分类，同理代码如下： 结果如下：Number of mislabeled points out of a total 17 points : 2 [1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0][1 1 1 1 1 1 0 1 0 0 0 0 0
阅读全文
摘要：原题是分别采用线性核和高斯核对西瓜数据集进行SVM的训练，周老师推荐的是LIMSVM，这里我使用的仍然是sklearn。 结果如下： 线性核的支持向量也是线性的，高斯核的支持向量是曲线。
阅读全文
摘要：原题，对西瓜数据集用决策树来进行划分，此处我只选取了西瓜的密度和含糖率这两个连续属性来进行划分， 结果如下：
阅读全文
摘要：原题是写一个BP神经网络来拟合西瓜数据集，西瓜数据集我已经数值化了如下： 而后调用pybrain的库建立具有50个单元的单隐层神经网络，如下 下面分别是训练10000次和1000次的效果对比： 可以看到10000次的训练误差明显要低的多，但是有可能有过拟合问题。 参考文章：http://www.ze
阅读全文
摘要：原题：线性判别分析仅在线性可分数据上能获得理想结果，试设计一个改进方法，使其能够用于非线性可分数据。 这里我采用二次判别分析来对原来的西瓜数据集进行分类，同样采用sklearn里的二次判别库。 二次判别分析结果和线性判别分析结果分别如下： 可以看到对于线性不可分数据，二次判别分析的效果非常好。
阅读全文
摘要：编程实现判别分析，并给出西瓜数据集上的结果。 数据集如下 Python代码实现方式如下：调用了sklearn中的线性判别分析模块。 结果如下： 其中红色的蓝色的分别是两种西瓜。小红色的点和小蓝色的点表示区分错误。中间的横线是分界线。
阅读全文
摘要：3.3 编程实现对率回归，并给出西瓜数据集3.0α上的结果。 本题我就调用了sklearn的逻辑回归库来测试。 结果如下： 西瓜数据集如下：
阅读全文
摘要：Python是一种强大的编程语言，其提供了很多用于科学计算的模块，常见的包括numpy、scipy、pandas和matplotlib。要利用Python进行科学计算，就需要一一安装所需的模块，而这些模块可能又依赖于其它的软件包或库，因而安装和使用起来相对麻烦。幸好有人专门在做这一类事情，将科学计算...
阅读全文
浙公网安备 33010602011771号