- 博客(9)
- 收藏
- 关注
RSS订阅原创 【深度学习原理】决策树到随机森林，彻底理解树状模型
但是，有人看到这里的时候会有疑问，上面不是说，一层只有一个特征吗，怎么第二层有两个特征（根蒂、触感），这是由于这个一个合并过后的树状图，上文说的一层一个其实是每条通路上的一层一个特征，上图在纹理特征之后分为3路，而清晰这一路计算信息增益率，根蒂是最佳选择，而稍糊这一路计算触感是最好的。可能还有地方有看不到，为什么有的节点出来，就直接是坏瓜了呢，比如纹理模糊这一路，这是因为，在样本中，纹理模糊的就是全是坏瓜，没有其余的，直接到达终点了。这时候，我们在原有子集下运用上面的方法再划分，这样就能得到更多子集了。
2025-07-29 20:25:34
1482
1
原创 神经网络=神经网络模型+优化算法
通过阅读周志华老师的《机器学习》，收货颇丰，突然意识到神经网络的构成，我认为，就是神经网络模型＋优化算法，以下内容如有侵权，立即删除。
2025-07-29 20:25:04
1391
原创 【神经网络】传统RNN到LSTM，带你理解手搓LSTM
你好！以下皆为我自己的理解，仔细阅读，希望能助于你理解神经网络。提到LSTM，离不开他的起源模型传统RNN神经网络，作为循环神经网络，RNN理论上可学习时间序列的依赖关系，不管是短期还是更早之前的都可以，但实际训练过程中人们发现，RNN在学习当前时刻更早的依赖关系时，会遇到梯度爆炸的问题，这里如果笔者想知道为什么可自行搜索一下。提一下本文很多地方省略了核函数，不影响理解。在学习LSTM之前我们先要知道，传统RNN循环神经网络是怎么样。
2025-07-29 20:24:15
2168
1
原创 【深度学习入门】矩阵论
我的理解，矩阵A，B可以在线性空间表示，他们的距离满足三个性质，非负性（距离没有负数），对称性（A到B的距等于B到A的距离），三角不等式的性质（引入第三个矩阵C，CA+CB<AB）。首先明确范数的意义，他的意义就是用来量化“大小”的，举个例子，向量范数就是衡量向量的长度。A是线性空间中的投影矩阵，可以将x投影到y，b为与y同维偏置项。为刻画这个线性空间的中各个矩阵之间的关系，定义距离，假设矩阵。
2025-07-23 16:07:23
389
原创 【深度学习入门】最大似然估计法-离散型样本
总体样本X属于离散型，其分布律形式已知，但其中参数未知，例如二项分布（这里为二项分布中特殊的0,1分布，即x=0或1），为的可取服务，其中p未知。设为来字总体样本的X,其联合分布律（联合分布律是概率论中用于描述两个或多个随机变量同时取值的概率分布）为其中就是未知参数，例如前面例子里的。又设是对应于样本的一个样本值，样本取到的概率，即亦然事件发生的概率为这一值随的变化而变换，被称为样本的似然函数。我知道你读到这里的时候,关于总体，这几个已经可能把你搞混，这里我做一个解释。
2025-07-23 16:05:23
333
原创 【入门】深度学习入门知识之概率论
P(X|Y）为随机事件Y发生的前提下，随机事件X发生的概率，也被成为后验概率。P(X)为事件X发生的概率，也被称为先验概率，P(Y|X)为似然项，衡量了在不同参数取值下，观察到当前数据的“可能性”，P(Y)为随机变量Y的先验概率，或者边缘概率。
2025-07-23 15:55:58
360
原创 【原理篇+代码篇】液体神经网络（LNN）
假设我们有一个外部库来求解ODE，例如 torchdiffeq"""定义了液体动态系统的核心层。这个层本身不进行传统的“前向传播”，而是定义了状态如何随时间变化的“物理定律”。"""# --- 这里是LNN的可学习参数 (θ) ---# 这些参数将定义ODE的行为# 例如，一个简单的线性变换来处理输入和隐藏状态# 也可以包含更复杂的参数，比如用于计算动态时间常数 tau(t) 的网络"""
2025-07-23 15:52:31
4850
原创 【一文通关——数模优秀论文】2023数模国赛C 题 蔬菜类商品的自动定价与补货决策优秀论文涉及算法模型解析
论文原文我就不展示了，可能涉及了版权问题，读者最好看一下论文摘要，对于了解论文有很大帮助，首先对于附件数据进行整合。给定一个平稳时间序列 X_t，其自相关函数（ACF）在滞后 k 时定义为：简化表示为：其中：μ 是时间序列的均值；σ2 是时间序列的方差；Cov(Xt,Xt−k) 是协方差。
2025-07-15 16:35:07
2081
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