- 博客(5)
- 收藏
- 关注
RSS订阅原创 Python学习-[matplotlib库]-初级
这里plot是有返回值的，但是一定要有一个逗号（具体原因以后复习的时候在解释吧，有点懒），然后下方legend后面可以接上handles，这里就是指明要画的图像，label依然是标签，但是这里的loc改为best之后会随着改变图像自动找到数据量最小的地方来摆放这个图例。这里我们在plot后面增加了zorder=1，意思是设置相应的层级，，这样就可以看到了，然后下方我们可以对坐标轴进行设置，设置其尺寸类，还有字体的格式和效果，透明度等。（暂时到此为止了，需要的时候再学吧）要进一步自定义颜色和打上相关标签。
2024-08-28 11:34:51
1390
原创 Python学习-[numpy库]-初级
有np.int8/16/32/64，np.uint8/16/32/64,np.float32/64,bool,str等等。这里第二个冒号后面的指切片距离，每隔几个数选一个数字，这个跨度可以选负数，选负数的话就可以从右往左取。不同尺寸的数组做运算时，numpy会将其扩展至相同的尺寸，这一性质叫做广播。第一个数据展示数组第一维的长度，第二个数据展示数组第二维的长度，以此类推。这里前两个数指的是范围，最后一个数指的是划分的样本数量。注意这里的(3， 7)是一个左开右闭的区间。生成两行四列完全随机的数字。
2024-08-26 13:55:22
564
原创 机器学习详解-第二章-实践方法论-学习笔记-[DataWhale X 李宏毅苹果书 X AI夏令营]
在调整模型的过程中可能会遇到许多问题，这里为了处理这些问题（前期初学情况），从而给出了一个章节用于学习相关的技巧。模型偏差可能会影响模型训练，我们在训练的时候，将所有的函数集合在一起得到一个函数的集合，但是这个函数的集合大小是我们不确定的，可能会因为太小，其中的所有函数都没有包含到一个能让损失变低的函数，这种情况下虽然可能找到一个θ*，可能这个函数确实是集合区域中最好的一个，但是损失还是不够低，因为集合区域找不到拥有较小损失的函数。解决这个问题，我们就需要重新设计一个模型，给该模型更大的灵活性。
2024-08-25 13:20:04
1826
2
原创 机器学习详解-第一章-机器学习基础-1.2学习笔记-[DataWhale X 李宏毅苹果书 X AI夏令营]
我们还可以结合图形来表示这个道理，比如最上面一个红色的函数被拆解为了三个不同的蓝色函数，假设红色函数整体被分为三个部分x1，x2和x3，蓝色函数分别是这个x1，x2，x3，每一个i就代表其中任意一个蓝色的函数，而wij指的是第i个Sigmoid函数中对第j个特征的权重，也就是说i表示此时考虑的是第i个Sigmoid函数。实际上多数情况我们都是属于比较复杂的函数曲线，对于此函数，我们一般将其分解为多段函数的相加，如下图红色曲线可以由多个蓝色的曲线相加合成。这里，提到一个新的名词，修改w，会改变函数的斜率。
2024-08-25 06:58:35
537
1
原创 机器学习详解-第一章-机器学习基础-1.1学习笔记-[DataWhale X 李宏毅苹果书 X AI夏令营]
机器要找一个函数 f，其输入是可能是种种跟预测 PM2.5 有关的指数，包括今天的PM2.5 的数值、平均温度、平均的臭氧浓度等等，输出是明天中午的 PM2.5 的数值，找这个函数的任务称为回归（regression）。，L(b,w)计算对应的误差，L(b,w)指的是将对应的b和w带入而得到的函数，通过代入不同的x得到相应的e（e指的误差，可以是实际值和预测值的差，也可以是差的平方），最后的得到的L值为所有e的平均值。（这个等高线图，被称作。模型（即，带有未知的参数的函数），x是我们输入的已知数，也就是。
2024-08-23 17:32:39
1192
1
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