- 博客(54)
- 收藏
- 关注
RSS订阅原创 关于Batch Normalization的一份介绍
在这篇文章中，我将介绍Batch Normalization（即批归一化技术），它是一种用于加速神经网络训练，并提高模型稳定性的技术。在文章中将具体通过原理与代码实践两部分来介绍它。
2025-03-27 13:35:37
154
原创 关于深度学习参数寻优的一些介绍
在之前的文章中，我有介绍过梯度下降算法，即SGD算法，所以这里引用《Deep Learning from Scrach》（斋藤康毅著）一书中的描述，即随机梯度下降就像蒙住了眼睛的旅行家下山，它可以根据哪里坡度大而选择走那条路以到达最低点。如果用公式表示就是：其中就是需要更新的参数，而自然就是学习率。
2025-03-15 10:20:39
893
原创 关于卷积神经网络的一份介绍
在深度学习（DL）中经常会用到卷积神经网络，在这篇文章中，就将介绍卷积神经网络，具体包括其概念、卷积的含义、整个神经网络运作的过程以及卷积神经网络中的误差反向传播。
2025-02-26 13:23:44
822
原创 关于梯度下降法的一份介绍
无论是机器学习（ML）还是深度学习（ML）中，梯度下降法都是一种十分优秀有用的算法，可以用它来优化模型，最小化模型的损失函数。在这片文章中我将介绍这种优化算法，包括他的概念原理、具体实例以及python代码演示。
2025-02-23 17:26:12
360
原创 关于复杂时间序列预测的一份介绍
在之前的文章中，我介绍过ARIMA模型去预测时间序列数据，而当时间序列数据变得复杂，存在季节性以及外生变量后，就需要一些复杂的时间序列模型进行预测了，这篇文章中，我将介绍SARIMA，ARIMAX，SARIMAX以及VAR模型。
2025-02-21 16:55:50
873
原创 关于哪吒2票房的一份预测
对于现在火热的电影《哪吒2》的票房的未来我们十分好奇，并十分期待它最终能在全球票房排名上居于何位，所以进行一系列的预测。
2025-02-13 12:34:43
1161
原创 关于图像二值化处理的一份介绍
在某些情况下，我们需要在一张图片中将目标更清晰地展现出来，就需要将图像进行二值化处理。本文便是一份关于二值化处理的简单介绍，具体包含二值化处理整体的概念、原理、应用以及当前面对的挑战，此外还有三种算法的介绍，代码实践等。
2025-01-19 20:31:43
1113
原创 关于机器学习的一份总结
在当今科技飞速发展的时代，人工智能（AI）已经成为推动社会进步和产业升级的重要力量。作为人工智能的核心技术之一，机器学习（MachineLearning,ML）扮演着不可或缺的角色。它不仅极大地提高了处理复杂问题的能力，还为各行各业带来了前所未有的创新机遇。本总结涵盖了机器学习的基本概念、分类方法以及具体的实现流程，并详细探讨了监督学习、无监督学习、半监督学习、强化学习及深度学习等不同类型的机器学习范式。
2025-01-17 15:13:06
1029
原创 关于自回归模型的一份介绍
SARIMAX（Seasonal AutoRegressive Integrated Moving Average with eXogenous regressors）模型是一种在时间序列预测中经常使用的模型，而自回归模型（AR）则是其基础，所以这篇文章将介绍AR有关的内容，以为之后SARIMAX模型的介绍做准备，关于这篇文章将介绍三两部分内容，分别是AR的概念、AR在具体实例中的运用过程。
2025-01-01 16:26:16
1041
原创 关于时间序列预测的一份介绍
时间序列预测是一种基于过去数据点的分析方法，用于预测未来值。它广泛应用于经济学、金融、气象学、销售预测、库存管理等领域。在这篇文章中，我就将介绍有关时间序列预测有关的东西，具体将包含其有关的概念、预测过程以及相关模型简介。
2024-12-26 16:16:18
838
原创 关于时序差分学习的一份介绍
在强化学习中，时序差分（TD）、蒙特卡洛（MC）与动态规划（DP）这三个方法是强化学习（RL）中最常见的话题，其中，TD 与 DP 一样都采用自举的思想，故无需等待交互的最终结果，而可以基于已得到的其他状态的估计值来更新当前状态的价值函数。在这篇文章中，我就将介绍TD，具体将包括其基本概念、相关算法伪代码以及TD与DP的异同对比。
2024-12-14 18:04:58
1169
原创 关于贝尔曼方程与动态规划的一份介绍
在强化学习（RL）中，贝尔曼方程与动态规划（DP）发挥着重要的作用，它们可以帮助我们理解并解决 agent 在如何在环境中做出最优决策。在这篇文章中，我将分别介绍贝尔曼方程以及动态规划算法，具体将包括贝尔曼方程的推导、用处与具体例子，以及 DP 算法的基本概念、用处与实例等内容。
2024-12-09 16:31:13
1504
原创 关于LightGBM的一份介绍
LightGBM（Light Gradient Boosting Machine）是由微软亚洲研究院开发的一种基于梯度提升框架的机器学习算法。在这篇文章中我将简单介绍这种算法，主要是它的基础概念、特点、具体运用，并将用它和基础的梯度提升机算法做对比。一、基础概念首先，我们知道Light GBM是集成学习的一类，旨在通过组合多个弱预测模型（通常是决策树）来提高预测准确性。所以先来说明决策树和梯度提升机以及集成的概念。
2024-12-07 16:20:22
1086
原创 关于图论建模的一份介绍
图论是离散数学的一部分，主要研究点与线所组成的形状。不过它们并非与几何中的图形类似，而是一种抽象化的产物，因此，我们可以通过这种方式来将一些生活、生产等中的问题进行建模，然后用数学规划等方式解决。所以，图论建模是数学建模中重要的一部分。而在这篇文章中，我就将介绍图论建模，具体将包含图论的一些基本概念部分以及经典的问题。
2024-11-20 20:05:16
1149
原创 关于强化学习的一份介绍
假设你在一家赌场里面对一台有 k 个摇臂的老虎机，每个摇臂都有不同的中奖概率。每次拉其中一个摇臂，你都会得到一个奖励（通常是金钱）。你的目标是在有限次尝试内最大化累计奖励。在这个问题中，“摇臂”代表不同的选项，“多臂”则指多个选择。
2024-11-16 23:25:35
1226
原创 关于离散模型优化的一份介绍
优化建模是数学规划的一个重要组成部分，它涉及将现实世界的问题转化为数学形式，以便使用数学方法和算法来求解最优解决方案。优化建模的核心在于定义一个目标函数（即想要最小化或最大化的量），并根据实际情况设置一系列约束条件。目标函数：优化问题的核心是定义一个目标函数，表示所追求的目标，比如成本最小化、利润最大化等。决策变量：指需要确定其值的未知数，它们直接影响目标函数的值。约束条件：为了确保解决方案的实际可行性，需要对决策变量施加限制。这些限制可以是等式也可以是不等式。可行解。
2024-11-14 22:16:08
1171
原创 关于离散概率模型的一些介绍
离散概率模型是概率论中的一类重要模型，专门用于描述随机变量取离散值的情况。这类模型在许多领域都有广泛的应用，比如统计学、机器学习、数据挖掘等。在这篇文章中就将介绍离散概率模型有关的东西，具体包括：马尔科夫链、部件与系统的可靠性建模以及线性回归等内容。
2024-11-07 13:54:15
1096
原创 关于模拟方法建模的一份介绍
有些时候，我们无法直接收集大量数据，即对于对象的行为直接观测或重复实验可能是不行的，所以此时就需要通过模拟的技术来收集数据，然后建模。这样的一种策略就是模拟方法建模，而模拟方法建模中最常用的一种方法就是蒙特卡洛法。因此，在这篇文章中将详细介绍蒙特卡洛法，以及运用蒙特卡洛法会用到的随机技术等内容。
2024-11-05 00:04:46
974
原创 关于数学建模的一些介绍
为了更好了解世界，我们可以通过数学来描述许多特定的现象，而数学模型就是现实世界的理想化，不过它永远不能完全精确地表示现实世界。在这篇文章中，我将介绍一些数学建模的基本概念以及相应的基础知识，而关于更具体的如何建模的内容我将会在之后的文章中介绍。
2024-11-02 16:06:43
1852
3
原创 关于回溯与分支限界的一些介绍
我们可以总结出步骤如下：1.定义状态表示，即如何表示当前问题的部分解；2.定义终止条件，确定何时到达问题的解空间边界，即何时停止搜索；3.定义递归的框架，并确定如何对解进行扩展；4.检查状态的有效性，即检查新生成的状态是否符合给定的约束条件，若不符合则及时回溯；5.记录解，通过输出、储存等方式将当前得到的解及时记录下来；6.回溯，当搜索无法前进时（即达到叶子节点或发现当前路径不可行），回溯到上一个状态；
2024-10-31 22:32:49
990
原创 关于检索评价的一份介绍
在信息检索中，当我们进行完检索评价后就需要对于检索所得的结果进行评价，类似于机器学习中的模型评估那样，因此我们需要一些度量方式来对于信息检索的结果进行评价。在这篇文章中，我就将介绍一些标准用于度量信息检索的结果。具体将包含Cranfield范式，Precision、Recall、P@n、MAP、MPP、F等许多评价指标。
2024-10-22 18:52:36
1102
原创 关于动态规划的一份介绍
确定问题的状态表示，也就是哪些变量可以唯一地描述问题的当前情况。例如，在背包问题中，状态可以由物品的索引和当前背包的剩余容量来表示。
2024-10-21 15:04:49
1081
原创 关于贝叶斯分类器的一份介绍
在这篇文章中，我将介绍贝叶斯分类器有关的东西，其中将包括贝叶斯定理、极大似然估计、朴素贝叶斯分类器表达式、贝叶斯网与EM算法等内容。
2024-10-10 22:59:29
1326
原创 关于Zipf定律与TF—IDF的一个实践
Zipf's Law 是一种经验观察到的语言现象，它最初是由语言学家 George Kingsley Zipf 在 20 世纪初提出的。虽然 Zipf's Law 主要在语言学领域被讨论，但它也在自然语言处理（Natural Language Processing, NLP）和信息检索（Information Retrieval, IR）等领域得到了广泛应用。在这些领域中，Zipf's Law 被用来研究词汇频率分布，并且在建模文本数据的统计特性方面发挥着重要作用。
2024-10-06 11:47:54
1213
原创 关于分箱的一些介绍
在这篇文章中，我将介绍一种数据预处理的技术——分箱，然会将会从概念、步骤、分类、应用场景、注意事项与实际操作等方面去介绍它。
2024-09-29 17:45:18
1101
原创 关于聚类算法的一份介绍
在这篇文章中我将介绍无监督算法中“聚类”部分的知识，其中关于K均值聚类、层次聚类、密度聚类部分我将各附上一份实际运用的代码，而其余的像学习向量量化、高斯混合聚类部分则只是简单介绍下概念。
2024-09-28 17:16:38
1425
原创 关于PCA的一份介绍
在这篇文章中，我将介绍机器学习中的一种无监督学习算法——PCA，因为它主要有两种用途，即降维与特征提取，所以我将将围绕这两种用途来介绍它，包括基本概念，应用与代码实践。
2024-09-24 16:44:51
1353
原创 关于支持向量机的一份介绍
在这篇文章中，我将介绍与支持向量机有关的东西，我们知道支持向量机主要分两类，就是和这两种（当然还有其他的，如多类支持向量机、 Nu-Support Vector Regression等），因此我将介绍它俩的联系与区别，但首先将会详细介绍它俩有关的知识及python实现。
2024-09-19 21:37:03
1533
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人