- 博客(9)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 PYTORCH数据预处理的方法
在 PyTorch 中，内置的数据预处理API相对比较少，而且多数时候，预处理工作主要就是把原始数据转成Torch自己的Tensor格式张量，常见的数据预处理操作可以通过。在 PyTorch 中，我们可以手动实现数据标准化的功能。如果缺失值较多或者数据特征复杂，可以考虑使用专门的数据处理库，如。在 PyTorch 中，对于分类变量的编码，可以手动实现类似。如果缺失值较少，可以使用插值的方法来填充，例如线性插值。来处理缺失值，然后再转换为 PyTorch 张量。中的一些类来实现数据集的划分。
2024-10-29 08:10:54
151
原创 SCIKIT-LEARN数据预处理API
以下是使用：它通过移除均值并缩放到单位方差来标准化特征。：这个缩放器对异常值更具鲁棒性，它使用中位数和四分位数范围进行缩放。
2024-10-29 07:50:29
210
1
原创 常见分类算法的调参
在上述代码中，可以通过修改学习率、网络层数和优化器等参数，并观察不同参数设置下模型在验证集上的准确率，来体会调参对模型性能的影响。实际应用中，还可以进一步调整其他参数，如隐藏层神经元数量、正则化参数、批大小等。）也可以按照决策树调参的方法进行调整，因为随机森林是由多个决策树组成的。调参是一个不断尝试和优化的过程，需要结合具体的数据和问题来进行。表示 5 折交叉验证，这样可以找到使模型在验证集上性能最好的。并且，随机森林中的决策树相关参数（如。
2024-10-29 07:36:59
1800
原创 机器学习的逻辑
梯度下降，就是加快接近答案的优化算法，好的算法，会缩短猜中数字所需要的次数，以猜数字为例 ，对方猜50的时候，我告诉他大了，他下次可以猜49，也可以猜25，显然猜25的方法要好于前者。小时候玩过一个猜数字的游戏，我心里想一个任意数字，对方来猜，如果对方猜的数字比我想的大，我就告诉他大了，反之，我就告诉他小了。他每猜一次都会更接近正确的数字，数次之后，他最终会猜对这个数字。机器学习就像是这个猜数字的过程，每一次迭代都会距离正确答案更近，不同的是，机器学习只能无限接近正确答案，不可能达到绝对正确。
2024-10-25 20:29:44
161
1
原创 pytorch中的permute()函数的原理
代码a.permute(2,0,1)把最初的2，3，4维度，给调整成了4,2,3维度，并且保持维度内的数值关系不变。那么代码a.permute(1,0)就相当于a.T。他的功能就是把一个多维张量的维度进行调换。仔细观察数值位置的变化，就会理解了。permute的中文含义是：置换。这个就已经解释了一半了。
2024-10-25 08:54:09
385
原创 PYTORCH中的学习率怎么理解
当学习率设置的过小时，收敛过程将变得十分缓慢。且容易陷入局部最优解出不来。而当学习率设置的过大时，梯度可能会在最小值附近来回震荡，甚至可能无法收敛。其实可以理解为，最优解收敛时的步长单位，如果你希望结果更精确一些，就应该把学习率调低，当然这样样的结果是训练时间的增长。
2024-10-25 08:53:34
111
原创 机器学习基础模型选择
比线性模型速度还快，适用于非常大的数据集和高维数据。几乎总是比单棵决策树的表现要好，鲁棒性很好，非常强大。与随机森林相比，训练速度更慢，但预测速度更快，需要的。可以构建非常复杂的模型，特别是对于大型数据集而言。对于特征含义相似的中等大小的数据集很强大。需要数据缩放，对参数敏感。非常可靠的首选算法，适用于非常大的数据集，也适用于高维数据。速度很快，不需要数据缩放，可以可视化，很容易解释。适用于小型数据集，是很好的基准模型，很容易解释。比随机森林需要更多的参数调节。大型网络需要很长的训练时间。
2024-10-25 08:52:43
379
原创 Torch GPU版本的安装
确保没有安装：pytorch torchvision torchaudio这三个模块。等待漫长的在线下载安装过程即可（如果没有KX上网的话，可能需要数个小时甚至更长）*不需要单独安装巨大的CUDA安装包， 先确保你的显卡是支持GPU运算的，其中12.4是你要安装CUDA的版本，可跟根需要修改。返回True,就说明CUDA激活成功。再安装好anaconda。
2024-10-25 08:50:45
1096
1
TopFisher 数据采集系统
2007-05-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人