首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
Python
在路上lx
创建于2021-08-09
订阅专栏
python 基础 和 机器学习
等 1 人订阅
共17篇文章
创建于2021-08-09
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
神经网络之归一化与Batch Normalization理论
这是我参与8月更文挑战的第31天,活动详情查看:8月更文挑战 一 简介 数据归一化是机器学习领域的一种对数据处理的常规方式。在传统机器学习领域,由于各特征的量纲不一致,可能出现建模过程中量纲较大的特征
深度学习之神经元活性失效与学习率优化
这是我参与8月更文挑战的第29天,活动详情查看:8月更文挑战 一 简介 和Sigmoid、tanh激活函数不同,ReLU激活函数的叠加并不会出现梯度消失或者梯度爆炸,但ReLU激活函数中使得部分数值归
深度学习之Xarier方法与kaiming方法
这是我参与8月更文挑战的第28天,活动详情查看:8月更文挑战 一 Xavier方法 1.1 Xavier初始化参数方法基础理论 对于Glorot条件,正向传播时候数据流经每一层前后的方差一致,并且反向
Python3 基础 从入门到理解
这是我参与8月更文挑战的第9天,活动详情查看:8月更文挑战 一、背景 国内官方教程 菜鸟教程 其他教程 Python 语言相比Java , 抽象程度更高,更接近自然语言,容易上手,同样的功能Pytho
神经网络之梯度不平稳性
这是我参与8月更文挑战的第26天,活动详情查看:8月更文挑战 一 梯度消失与梯度爆炸 对于神经网络这个复杂系统来说,在模型训练过程中,一个最基础、同时也最常见的问题,就是梯度消失和梯度爆炸。 神经网络
深度学习之模型拟合度概念介绍与欠拟合模型的结构调整
这是我参与8月更文挑战的第25天,活动详情查看:8月更文挑战 一 模型拟合度概念 在所有的模型优化问题中,最基础的也是最核心的问题,就是关于模型拟合程度的探讨与优化。模型如果能很好的捕捉总体规律,就能
神经网络损失函数随机创建详解
这是我参与8月更文挑战的第24天,活动详情查看:8月更文挑战 一 手动创建实例 通过手动创建一个实例,来观察在小批梯度下降过程中,损失函数是如何根据数据数据变化而变化的,指出一个常见的误区、以及解决一
深度建模目标与性能评估
这是我参与8月更文挑战的第23天,活动详情查看:8月更文挑战 一 简介 对模型好坏进行评估,使用准确率、MSE等指标,模型评估是围绕某项指标在进行评估,指标好模型就好,指标不好模型就不好,其实并不完全
神经网络之softmax回归建模
这是我参与8月更文挑战的第22天,活动详情查看:8月更文挑战 一 简介 softmax主要针对多分类处理,面对分类问题,更为通用的处理办法将其转化为哑变量的形式,然后使用softmax回归进行处理,这
深度学习之逻辑回归建模
这是我参与8月更文挑战的第21天,活动详情查看:8月更文挑战 一 建模流程 逻辑回归相对于线性回归来说,就是输出层上进行了sigmoid的激活函数处理,从而使线性加权求和汇总进行了0,1放缩。其建模流
Pytorch深度学习之TensorBoard的安装及使用
这是我参与8月更文挑战的第20天,活动详情查看:8月更文挑战 一 简介 Tensorboard原本是TensorFlow的可视化工具,其他深度学习计算框架也可使用TensorBoard工具进行可视化操
深度学习之线性回归建模
这是我参与8月更文挑战的第18天,活动详情查看:8月更文挑战 一 深度学习建模流程 在实际深度学习建模过程中,无论是手动实现还是调库实现,都需要遵循深度学习建模一般流程。 模型选择:在深度学习领域,模
深度学习建模之函数的创建与使用
这是我参与8月更文挑战的第17天,活动详情查看:8月更文挑战 一 简介 相比于传统的机器学习,深度学习的数据集更加复杂,大多数情况也无法把数据生成数据表来查看,在建模过程中,往往都是设计完模型结构后直
机器学习之随机森林回归篇(RandomForestRegressor)
这是我参与8月更文挑战的第16天,活动详情查看:8月更文挑战 一 随机森林回归简介 class sklearn.ensemble.RandomForestRegressor (n_estimators
机器学习之随机森林分类篇(RandomForestClassifier)
这是我参与8月更文挑战的第15天,活动详情查看:8月更文挑战 一 随机森林简介 集成学习(ensemble learning)是时下非常流行的机器学习算法,它本身不是一个单独的机器学习算法,而是通 过
机器学习之决策树回归篇(DecisionTreeRegressor)
一 重要参数 1.1 criterion 回归树衡量分枝质量的指标 mse 使用均方误差mean squared error(MSE),父节点和叶子节点之间的均方误差的差作为特征选择的标准,通过使用叶
机器学习之决策树分类篇(DecisionTreeClassifier)
这是我参与8月更文挑战的第13天,活动详情查看:8月更文挑战 一 概述篇 1.1 决策树的工作原理 决策树(Decision Tree)作为一种非参数的有监督学习方法,可以从一系列有特征和标签的数据中