<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[faderbitch的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/faderbitch</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; faderbitch]]></copyright><item><title><![CDATA[python-字典]]></title><link>https://blog.youkuaiyun.com/faderbitch/article/details/146463977</link><guid>https://blog.youkuaiyun.com/faderbitch/article/details/146463977</guid><author>faderbitch</author><pubDate>Sun, 23 Mar 2025 23:35:26 +0800</pubDate><description><![CDATA[在 Python 中，dict字典（Dictionary） 是一种非常重要的数据类型，是一种可变的、无序的、键值对（key - value）集合，哈希表在python中的实现就是字典。]]></description><category></category></item><item><title><![CDATA[一个例子带你入门机器学习]]></title><link>https://blog.youkuaiyun.com/faderbitch/article/details/140779799</link><guid>https://blog.youkuaiyun.com/faderbitch/article/details/140779799</guid><author>faderbitch</author><pubDate>Mon, 29 Jul 2024 20:23:56 +0800</pubDate><description><![CDATA[这篇文章将使用经典墨尔本房价数据集作为例子，引导机器学习的流程。数据集有太多的变量，多到难以理解，甚至无法很好地打印出来。如何将这海量的数据削减为能够理解的内容？我们将首先凭借直觉选择几个变量。]]></description><category></category></item><item><title><![CDATA[机器学习之特征提取]]></title><link>https://blog.youkuaiyun.com/faderbitch/article/details/140758668</link><guid>https://blog.youkuaiyun.com/faderbitch/article/details/140758668</guid><author>faderbitch</author><pubDate>Sun, 28 Jul 2024 23:59:53 +0800</pubDate><description><![CDATA[自编码器就像是一个神奇的魔术师，它能将复杂的数据压缩成简洁的低维表示，同时还能从这个压缩后的表示中重构出原始数据。想象一下，把一堆杂乱无章的东西塞进一个小盒子里，然后还能再把它们完好无损地取出来，这就是自编码器的魅力所在。]]></description><category></category></item><item><title><![CDATA[【小白记录机器学习】——pandas库的操作代码实现]]></title><link>https://blog.youkuaiyun.com/faderbitch/article/details/140699426</link><guid>https://blog.youkuaiyun.com/faderbitch/article/details/140699426</guid><author>faderbitch</author><pubDate>Fri, 26 Jul 2024 18:13:10 +0800</pubDate><description><![CDATA[pandas是 Python 的核心数据分析支持库，提供了快速、灵活、明确的数据结构，在任何机器学习项目中，第一步都是熟悉数据。Pandas 是数据科学家用于探索和操作数据的主要工具，大多数人在代码中将 pandas 简称为 pd。Pandas 库中最重要的部分是 DataFrame，DataFrame 保存的数据类型您可以想象成一个表格，类似于 Excel 中的工作表或 SQL 数据库中的表。以下是一些pandas的基本操作及代码实现]]></description><category></category></item><item><title><![CDATA[【小白记录深度学习】——物理信息神经网络（PINNs）]]></title><link>https://blog.youkuaiyun.com/faderbitch/article/details/140619774</link><guid>https://blog.youkuaiyun.com/faderbitch/article/details/140619774</guid><author>faderbitch</author><pubDate>Mon, 22 Jul 2024 21:33:56 +0800</pubDate><description><![CDATA[PINNs（Physics - informed Neural Networks，物理信息神经网络）的基本原理是应用神经网络来近似解决物理问题，将物理原理（用偏微分方程数学表达）作为先验知识，通过对偏微分方程残差的惩罚来实现。]]></description><category></category></item><item><title><![CDATA[【小白记录python】——类（class）的简单解释]]></title><link>https://blog.youkuaiyun.com/faderbitch/article/details/140561969</link><guid>https://blog.youkuaiyun.com/faderbitch/article/details/140561969</guid><author>faderbitch</author><pubDate>Sat, 20 Jul 2024 10:08:46 +0800</pubDate><description><![CDATA[在编程中，类（Class）是一种用户自定义的数据类型，它将数据（通常称为属性或成员变量）和对这些数据进行操作的函数（通常称为方法或成员函数）封装在一起，相比于一般的函数更方便调用，通俗来讲，类就是很多函数的集合，这些函数共用一个数据源。类可以被看作是创建对象的模板或蓝图。通过类，可以创建多个具有相同结构和行为的对象实例。]]></description><category></category></item><item><title><![CDATA[初探机器学习与力学研究的交叉领域]]></title><link>https://blog.youkuaiyun.com/faderbitch/article/details/140530216</link><guid>https://blog.youkuaiyun.com/faderbitch/article/details/140530216</guid><author>faderbitch</author><pubDate>Thu, 18 Jul 2024 19:14:37 +0800</pubDate><description><![CDATA[由于机器学习与力学结合的方向颇多，以上只是最典型的代表。在交叉领域中，大部分研究都是基于人工神经网络，基于最底层的网络优化，并未涉及到多模态的大模型应用。机器学习在工程领域的应用中，最重要的一点，工程领域不允许存在很大的误差，差之毫厘，失之千里，工程领域人命关天，而神经网络本质上还是一个无法解释的黑箱，无法预测它会突然发生什么变化，所以神经网络在工程领域的研究还是偏少，希望随着神经网络的发展，以后可以增强神经网络的可解释性和准确性，更好地应用于工程领域。]]></description><category></category></item><item><title><![CDATA[【小白记录机器学习】——注意力机制（transformer的原型）]]></title><link>https://blog.youkuaiyun.com/faderbitch/article/details/140466489</link><guid>https://blog.youkuaiyun.com/faderbitch/article/details/140466489</guid><author>faderbitch</author><pubDate>Tue, 16 Jul 2024 16:07:42 +0800</pubDate><description><![CDATA[以上的术语太过深奥，如果用一种更容易理解的方法来讲，就是在多层感知机中，我们的x，y为一一对应的关系，x为输入，y为输出。我们将输入从单个x扩大到所有的xi，将输出从y扩大到所有的yi，当我们给定一个查询x时，我们调用所有的特征xi和yi，对他们赋予不同的权重，比如在上面的核回归中，xi与x越接近，权重越高。普通的多层感知机可以看作是退化之后的注意力机制，如果我们将除了xi=x以外的yi的权重设置为零，将xi=x时的权重设置为1，则x与y的关系退化为普通的多层感知机。，即为yi前面的权重项。]]></description><category></category></item><item><title><![CDATA[【小白记录深度学习】-循环神经网络]]></title><link>https://blog.youkuaiyun.com/faderbitch/article/details/140413619</link><guid>https://blog.youkuaiyun.com/faderbitch/article/details/140413619</guid><author>faderbitch</author><pubDate>Mon, 15 Jul 2024 00:32:40 +0800</pubDate><description><![CDATA[循环神经网络与卷积神经网络一样具有很长的研究历史，循环神经网络与卷积神经网络都源自多层感知机，可以说神经网络都是对多层感知机算法的改进。卷积神经网络能有效地处理空间消息，而循环神经网络能有效地处理序列消息]]></description><category></category></item><item><title><![CDATA[【小白记录机器学习1】]]></title><link>https://blog.youkuaiyun.com/faderbitch/article/details/134720932</link><guid>https://blog.youkuaiyun.com/faderbitch/article/details/134720932</guid><author>faderbitch</author><pubDate>Sun, 14 Jul 2024 10:42:17 +0800</pubDate><description><![CDATA[由特征和标签组成，特征是每个数据带有的n个自变量变量，标签是单个数据对应的唯一的因变量，所以可以理解成：已知n个自变量，建立一个函数，求因变量。标签是数据的结果，也就是我们要预测的结果。分割数据：为了更好地评估模型的性能，我们通常会将数据分为训练集、验证集、测试集三部分。训练集用来训练模型，验证集用来选择模型，测试集用来评估模型性能。收集数据：首先，需要收集机器学习所需的数据。准备数据：收集到的数据通常需要进行预处理，包括缺失值填充、异常值处理、特征提取等。模型预测：使用训练好的模型预测新数据。]]></description><category></category></item></channel></rss>