- 博客(14)
- 收藏
- 关注
RSS订阅原创 利用pandas自动化提取excel岩心数据
该代码主要用于简单的批量提取excel中，岩心数据，因为重复度高，所以没有使用正则化去自动提取，先是确定固定的下标，然后通过下标来提取每一口井的岩心数据。
2023-11-16 00:01:42
78
原创 Deep Learning
两个ReLU表示一个Sigmoid，ReLU和Sigmoid同称为activation function。每次更新一次参数叫做一次updata，更新完所有updata叫做一次epoch。可以使用一连串的activation function来对数据进行处理。当线性曲线无法拟合时采用更加灵活的Sigmoid function。上面的参数分别决定该曲线的高度、左右平移、斜率。将所有数据分成多个batch，计算每个batch的损失函数。用ReLU来表示Sigmoid函数。把其转换为矩阵的形式。
2023-09-25 11:39:45
86
原创 实战（二）：基于VGG16、结合mlp实现猫狗识别
文章目录一、任务二、核心代码1.图像加载与预处理2.加载去除全连接层的VGG结构建立mlp模型一、任务二、核心代码1.图像加载与预处理2.加载去除全连接层的VGG结构建立mlp模型
2023-09-20 09:51:51
277
原创 CNN实战（一）-----建立CNN实现猫狗识别
基于dataset数据，根据提供的结构，建立CNN模型识别图片中的猫、狗、计算测试数据预测准确率从网站下载猫、狗图片，对其进行识别提示：这里对文章进行总结：例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
2023-09-19 21:33:56
283
原创 Convolution Neutral Network
Convolutional Neural Network（卷积神经网络，CNN）是一种前馈神经网络（Feedforward Neural Network），最初用于图像识别和处理。它是一种深度学习算法，其中神经网络的层级结构被设计成对数据进行学习和分类。CNN的设计灵感来源于生物学中的视觉皮层对视觉信息处理的方式，可以有效地处理高维度数据（如图像和视频），并且能够从非常大的数据集中进行自我学习，从而达到高准确率的分类和识别效果。CNN的主要特点是它包含卷积层和池化层。
2023-09-19 17:09:31
125
原创 过拟合与欠拟合问题、数据分离与混淆矩阵、模型优化
过拟合与欠拟合的概念过拟合（overfitting）指的是模型在训练数据上表现良好，但在测试数据上表现不佳的情况。过拟合的主要原因是模型过于复杂，在训练数据上出现了“死记硬背”的情况，导致模型在未见过的数据上无法泛化。欠拟合（underfitting）指的是模型无法在训练数据上得到很好的拟合，也无法在测试数据上得到很好的表现。欠拟合的主要原因是模型过于简单，无法捕捉到数据中的复杂关系。
2023-09-14 15:29:16
476
原创 主成分分析（PCA）
文章目录一、数据降维是什么？二、数据降维的实现：主成分分析（PCA）一、数据降维是什么？二、数据降维的实现：主成分分析（PCA）
2023-09-11 19:07:46
72
原创 ID3、C4.5、CART决策树
它将数据集划分为多个小的区域，每个区域代表一个决策树的节点，并将数据划分按照属性值的不同分成不同的分支。C4.5：当一个属性的可取值数目较多时，那么可能在这个属性对应的可取值下的样本只有一个或者是很少个，那么这个时候它的信息增益是非常高的，这个时候纯度很高，ID3决策树会认为这个属性很适合划分，但是较多取值的属性来进行划分带来的问题是它的泛化能力比较弱，不能够对新样本进行有效的预测。ID3：利用信息熵原理选择信息增益最大的属性作为分类属性，递归拓展决策树的分支，完成决策的构造。
2023-09-11 18:55:03
98
原创 机器学习之聚类
给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的k个实例（也就是上面所说的k个邻居），这k个实例的多数属于某个类，就把该输入实例分类到这个类中。以空间中k个点为中心进行聚类，对最靠近他们的对象归类，是聚类算法中最为基础但也最为重要的算法。聚类分析：聚类分析又称为群分析，根据对象某些属性的相似度，将其自动化分为不同的类别。机器学习的一种方法，没有给定事先标记过的训练实例，自动对输入的数据进行分类或分群。均值漂移算法：一种基于密度梯度上升的聚类算法（沿着密度上升方向寻找聚类中心点）
2023-09-08 14:39:34
121
原创 机器学习逻辑回归理论知识
其中p（xi）为xi落在正负向样本的概率，y=1说明为正样本，y=0说明为负样本，若该样本在某一方向样本集里面概率小则通过放大J值来惩罚它。用于解决分类问题的一种模型。根据数据特征或属性，计算其归属于某一类别的概率P（x），根据概率数值判断其所属类别。主要应用场景：二分类问题。其核心问题为根据训练样本找到决策边界（Decision Boundary）第二步是判断类别（找到分类边界）第一步是求解对应的预测结果。
2023-09-07 16:03:41
68
原创 机器学习之线性回归
4.python调用Sklearn实现线性回归。1.1用代码调用Sklearn实现线性回归。4.代码实现均方差和R方值。2.使用回归的具体实例。3，评估所得到的模型。
2023-09-07 15:22:36
57
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