dejahu的博客

EM算法对人脸数据降维(机器学习作业06) 第一题 第二题 代码如下： import numpy as np import os from PIL import Image from scipy.linalg import sqrtm def loadFile(filepath): sample_list = np.zeros((0, 112 * 92)) for root, dirs, files in os.walk(filepath): for file in

机器学习第五次作业 第一题 高斯贝叶斯分类代码如下： import numpy as np def gaussian_bayes(x_0, x_1): n = len(data) c_0 = 0 c_1 = 0 mu_00 = 0 mu_01 = 0 mu_10 = 0 mu_11 = 0 var_00 = 0 var_01 = 0 var_10 = 0 var_11 = 0 var_0 = 0 var

机器学习第四次作业 第一题 求解过程如下： 第二题 f-1616158471171)]

SVM解决垃圾邮件分类问题-numpy实现Pegasons 参考资料 SVM-Pegasos实现_diskdj的博客-优快云博客 Pegasos算法 - 刘洪江的流水帐 (liuhongjiang.github.io) svm随机次梯度下降算法-pegasos_shiqi,bao的博客-优快云博客 【数据挖掘：支持向量机】_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili 第一题 答: 第二题 Pegasons的算法流程图如下所示： 上图是minibatch版本的Pegasons 查看数

numpy完成手写字体识别（机器学习02） 参考代码：mnielsen/neural-networks-and-deep-learning: 参考讲解：深度学习多分类任务的损失函数详解 - 知乎 (zhihu.com) softmax推导：【深度学习】：超详细的Softmax求导 第一题 推导过程如下： 第二题 数据预处理 首先拿到的数据是经过处理的二进制文件，需要先对数据进行预处理，原始的数据分为训练集、验证集和测试集三部分，分别是50000，10000，1000的数据大小，要将每张手写字体图

对’ex2data2.txt’数据进行逻辑回归-numpy实现（机器学习课程作业01） 答： 查看数据分布 def show_data(filename): data = np.loadtxt(filename, dtype=float, delimiter=',') x0 = [] y0 = [] x1 = [] y1 = [] for one_node in data: x = one_node[0] y = one_