解琛的博客

作者：解琛 时间：2021 年 2 月 3 日 二、使用 BP 神经网络拟合多输入多输出曲线 二、使用 BP 神经网络拟合多输入多输出曲线 列表中的数据是某地区20年公路运量数据，其中属性 人口数量、机动车数量 和 公路面积 作为输入，属性 公路客运量 和 公路货运量 作为输出。 请用神经网络拟合此多输入多输出曲线。 年份 人口数量/万人 机动车数量/万辆 公路面积/万平米 公路客运量/万人 公路货运量/万吨 1990 20.55 0.6 0.09 5126 1237 1991 .

作者：解琛 时间：2021 年 2 月 2 日 一、基本神经网络1.1 神经元1.2 神经网络1.3 训练1.3.1 模型及数据1.3.2 链式求导1.3.3 随机梯度下降1.3.4 训练神经网络1.3.5 使用神经网络进行预测 一、基本神经网络 Machine Learning for Beginners: An Introduction to Neural Networks 一篇文章让你彻底搞懂神经网络：从原理到优化如此简单 Python实现简单的神经网络 【Get深一度】Texlive: lat.

鸢尾花分类 作者：解琛 时间：2020 年 8 月 28 日 鸢尾花分类一、环境搭建1.1 Jupyter Notebook1.2 numpy1.3 Scipy1.4 matplotlib1.5 pandas1.6 mglearn二、案例2.1 加载数据集2.2 构建训练数据和测试数据集2.3 观察数据2.4 K-means2.5 做预测2.6 评估模型 一、环境搭建 python 修改 pip 的源 1.1 Jupyter Notebook sudo apt install jupyter-note

作者：解琛 时间：2020 年 8 月 24 日 机器学习 周志华 给定由 ddd 个属性描述的示例 $ {\boldsymbol x} = (x_1; x_2; …; x_d)$，其中 $ x_i $ 是 $ {\boldsymbol x} $ 在第 $ i $ 个属性上的取值。 线性模型（linear model）试图学得一个通过属性的线性组合来进行预测的函数。 f(x)=w1x1+w2x2+...+wdxd+b(1.1) f({\boldsymbol x}) = w_1x_1 + w_2x_2 +.