- 博客(9)
- 收藏
- 关注
RSS订阅原创 RNN循环神经网络（精简版）
参数解释：input_size：输入数据的维度，一般为词向量的维度heidden_size：隐藏层h的维度，也就是当前神经元的输出维度num_layer：隐藏层h的层数，默认为1将RNN实例化就可以将数据送入进行处理x的表示形式为[seq_len, batch, input_size]，即[句子的长度，batch的大小，词向量的维度]h0的表示形式为[num_layers, batch, hidden_size]，即[隐藏层的层数，batch的大小，隐藏层h的维度]
2025-02-07 21:42:20
393
原创 神经网络基础
优先选择ReLU函数如果ReLU函数的效果不好，那么就尝试其他的激活函数，如Leaky ReLU等如果你使用了ReLU，需要注意一下Dead ReLU问题，避免出现了大的梯度从而导致过多的神经元死亡。少用sigmoid激活函数，可以尝试使用tanh激活函数二分类问题选择sigmoid激活函数多分类问题选择softmax激活函数回归问题选择identity激活函数激活函数的作用：向神经网络添加非线性的元素。
2025-01-13 21:17:37
846
原创 深度学习-Pytorch的使用(import torch)
1.创建张量的方式torch.tensor() 根据指定数据创建张量torch.Tensor() 根据指定数据或者形状来创建张量torch.IntTensor()、torch.FlaotTensor()、torch.DoubleTensor() 创建指定类型的张量2.创建线性和随机张量torch.range() 创建线性张量（左开右闭）torch.linspace() 创建线性张量（左闭右闭）
2025-01-12 16:31:08
1624
原创 网格搜索与交叉验证
cvresult：每次交叉验证之后验证集准确率结果和训练集结果准确率。bsetscore_：在交叉验证中最好的结果。bestestimator：最好的参数模型。estimator：学习器（评估器）目的：模型参数调优的最佳解决方案。param_grid：超参数。cv：指定几折交叉验证。fit：训练集的数据。
2024-12-25 22:41:11
234
原创 机器学习-KNN算法鸢尾花分类实现
三、stratify:机器学习中用于分层抽样的一个参数，确保在划分数据集（训练集和测试集）的时候，保持不同类别的标签比例不变。例如，如果整体数据集中类别 0 的样本占 80%，类别 1 的样本占 20%，那么在划分数据集时，通过设置。方法通常是用于从训练数据中学习数据的特征，或者说拟合模型，测试集不参与任何与模型训练相关的操作，不然会造成信息泄露。二、random_state:随机数种子，控制随机性，确保每次运行程序都能得到一致的结果。），确保在训练集和测试集上的样本0和样本1占比都是4：1。
2024-12-25 11:30:39
626
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人