LTC_1234的博客

转载于https://www.jianshu.com/p/683f04313d551. 官网介绍1. CaffeCaffe是一个以表达式、速度和模块化为核心的深度学习框架，由BLVC（Berkeley Vision and Learning Center）和社区贡献者开发。项目创建者是贾扬清。2. FeatureExpressive architecture具有表现力的结构鼓励应用和创新。模型及优化是通过配置定义的，而不是使用硬编码的方式。可以在GPU和CPU之间无缝切换，可以用GPU训练

转载于 ： https://www.cnblogs.com/abdm-989/p/12204640.htmlSeaborn既然有了matplotlib,那为啥还需要seaborn呢？其实seaborn是在matplotlib基础上进行封装，Seaborn就是让困难的东西更加简单。用Matplotlib最大的困难是其默认的各种参数，而Seaborn则完全避免了这一问题。seaborn是针对统计绘图的，一般来说，seaborn能满足数据分析90%的绘图需求，复杂的自定义图形，还是要Matplotlib。Se

Matplotlib是Python中用的最多的2D图形绘图库，学好Matplotlib的用法可以帮助我们在统计分析中更灵活的展示各种数据的状态。这是数据可视化必学的库，好好学吧。其支持以下几种数据可视化方式本文就基于这几种方式对Matplotlib进行讲解。安装和启动安装Matplotlib可以借助pip，如果在ipython中使用需要用 $ipython --matplotlib 命令启动。这里没啥好说的，过。开始之前先通过一个折线图的例子让大家大概了解一下Matplotlib

介绍在Python中，pandas是基于NumPy数组构建的，使数据预处理、清洗、分析工作变得更快更简单。pandas是专门为处理表格和混杂数据设计的，而NumPy更适合处理统一的数值数组数据。使用下面格式约定，引入pandas包：import pandas as pdpandas有两个主要数据结构：Series和DataFrame。SeriesSeries是一种类似于一维数组的对象，它由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签（即索引）组成，即index和values两部

文章目录Xgboost概念算法原理Xgboost概念XGBoost全称：eXtreme Gradient Boosting，是一种基于决策树的集成机器学习算法，使用梯度上升框架，适用于分类和回归问题。优点是速度快、效果好、能处理大规模数据、支持多种语言、支持自定义损失函数等，不足之处是因为仅仅推出了不足5年时间，需要进一步的实践检验。算法原理先来举个例子，我们要预测一家人对电子游戏的喜好程度，考虑到年轻和年老相比，年轻更可能喜欢电子游戏，以及男性和女性相比，男性更喜欢电子游戏，故先根据年龄大小区分小

文章目录集成算法概念Bagging随机森林介绍BoostingStacking集成算法概念集成学习算法本身不算一种单独的机器学习算法，而是通过构建并结合多个机器学习器来完成学习任务。可以说是集百家之所长，能在机器学习算法中拥有较高的准确率，不足之处就是模型的训练过程可能比较复杂，效率不是很高。常见的集成算法模型有：Bagging、Boosting、StackingBaggingBagging的全称是bootstrap averaging，它把各个基模型的结果组织起来，基本思想是训练多个分类器，各个

文章目录softmax_cross_entropy_with_logits介绍代码实现softmax_cross_entropy_with_logits介绍在计算最小化代价值的时候，我们通常使用tf.softmax_cross_entropy_with_logits()，其原型是：tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=pred, name=None)函数功能：计算最后一层是softmax层的cross entropy，把so

转载于：https://blog.youkuaiyun.com/baihuaxiu123/article/details/70260041 Python做数据挖掘很强大，最近几年很火的机器学习以及较为前沿的自然语言处理也会选用Python作为基础工具. 其中

文章目录np.random.seed函数的作用代码示例np.random.seed函数的作用seed( ) 用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed( )值，则每次生成的随即数都相同，如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。代码示例import numpy as npprint("======seed_test1======")# 不设置seeddef seed_test1(): for i in range(3

  本文着重讲述经典BP神经网络的数学推导过程，并辅助一个小例子。本文不会介绍机器学习库(比如sklearn, TensorFlow等)的使用。 欲了解卷积神经网络的内容，请参见我的另一篇博客一文搞定卷积神经网络——从原理到应用。  本文难免会有叙述不合理的地方，希望读者可以在评论区反馈。我会及时吸纳大家的意见，并在之后的chat里进行说明。本文参考了一些资料，在此一并列出。http://neuralnetworksanddeeplearning.com/chap2.htmlhttps://ww

文章目录逻辑回归代码实现逻辑回归回归一般用于解决那些连续变量的问题，如：线性回归，它是通过最小化误差函数，来不断拟合一条直线，以计算出权重 w 和 偏差 b 的过程，它的目标是基于一个连续方程去预测一个值。这里要讲解的逻辑回归（ Logistic 回归），却常用于分类问题，也就是将观测值贴上某个标签，或者是分入某个预先定义的类别之中。回归应该是寻找一个连续值，而分类是寻找一个离散值。故理解常用于分类问题的 Logistic 回归的关键在于，我们是将先寻找到的该样本属于某个类可能性的连续值映射到了某一个

文章目录线性回归实现代码线性回归线性回归，是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = w’x+e，e为误差服从均值为0的正态分布。说白了就是求数据之间关系的一种形式。回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。实现代码实现原理：根据数据建立回归模型，w1x

文章目录tensorflow安装基本操作tensorflow安装我的环境是环境：win10 + Anaconda3-2020.02-Windows-x86_64 + Python3.7Anaconda3-2020.02-Windows-x86_64的下载地址：https://repo.anaconda.com/archive/Anaconda3-2020.02-Windows-x86_64.exe打开Anaconda prompt 然后创建env ：conda create --name te

文章目录anaconda介绍anaconda安装andconda使用查看已安装的某个包查看某个指定环境的已安装包查找package信息anaconda介绍anaconda 是开源的Python包管理器，包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环...

TFRecord 是什么？TFRecord 是谷歌推荐的一种二进制文件格式，理论上它可以保存任何格式的信息。uint64 lengthuint32 masked_crc32_of_lengthbyte data[length]uint32 masked_crc32_of_data上面是 Tensorflow 的官网给出的文档结构。整个文件由文件长度信息、长度校验码、数据、数据校验码组成。但对于我们普通开发者而言，我们并不需要关心这些，Tensorflow 提供了丰富的 API 可以帮助我

转载于：https://blog.youkuaiyun.com/u014313009/article/details/51039334 感谢！         反向传播算法（Backpropagation）是目前用来训练人工神经网络（Artificial Neural Network，ANN）的最常用且最有效的算法。其主要思

转载于：https://www.cnblogs.com/xianhan/p/9090426.html 感谢！  深度 | 机器学习敲门砖：任何人都能看懂的TensorFlow介绍本文是日本东京 TensorFlow 聚会联合组织者 Hin Khor 所写的 TensorFlow 系列介绍文章的前两部分，自称给出了关于 TensorFlow 的 gentlest 的介绍。这两部分谈到单一特征问题的线性回归问题以及训练（training）的含义，机器之心将继续关注本系列文章的后续.

神经网络的来源      神经网络技术起源于上世纪五、六十年代，当时叫感知机（perceptron），包含有输入层、输出层和一个隐藏层。输入的特征向量通过隐藏层变换到达输出层，由输出层得到分类结果。但早期的单层感知机存在一个严重的问题——它对稍微复...

文章目录算法介绍算法实现总结算法介绍主成分分析（PrincipalComponentAnalysis, PCA )。在PCA中，数据从原来的坐标系转换到了新的坐标系，新坐标系的选择是由数据本身决定的。第一个新坐标轴选择的是原始数据中方差最大的方向，第二个新坐标轴的选择和第一个坐标轴正交且具有最大方差的方向。该过程一直重复，重复次数为原始数据中特征的数目。我们会发现，大部分方差都包含在最前面的几...

文章目录算法介绍算法介绍

文章目录算法介绍算法介绍CART (Classification And Regression Trees,分类回归树）_的树构建算法。该算法既可以用于分类还可以用于回归，因此非常值得学习。然后利用python来构建并显示CART树。代码会保持足够的灵活性以便能用于多个问题当中。接着，利用CART算法构建回归树并介绍其中的树剪枝技术（该技术的主要目的是防止树的过拟合)。之后引人了一个更高级的模...

文章目录算法介绍算法实现总结算法介绍回归，一般都是指线性回归（linear regression)，本文的回归和线性回归代表同一个意思。线性回归意味着可以将输人项分别乘以一些常量，再将结果加起来得到输出。应当怎样从一大堆数据里求出回归方程呢？假定输人数据存放在矩阵X中，而回归系数存放在向量W中。那么对于给定的数据X1X{_{1}}X1​ , 预测结果将会通过Y1=X1TW Y_{1}...

文章目录算法介绍算法介绍当做重要决定时，大家可能都会考虑吸取多个专家而不只是一个人的意见。机器学习处理问题时又何尝不是如此？这就是元算法（meta-algorithm) 背后的思路。元算法是对其他算法进行组合的一种方式。接下来我们将集中关注一个称作人加8 00故的最流行的元算法。由于某些人认为八血8 00切是最好的监督学习的方法，所以该方法是机器学习工具箱中最强有力的工具之一...

机器学习：KNN 算法KNN算法介绍KNN示例KNN算法介绍KNN示例

邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本...

机器学习（二）：决策树算法文章目录算法介绍算法示例总结算法介绍决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。本质上决策树是通过一系列规则对数据进行分类的过程。决策树方法最早产生于上世纪60年代，到70年代末。由J Ross Quinlan提出了ID3算法，此算法的目的在于减少树的深度。但是...

...

public abstract class ScenarioBasedTestBase extends TestBase { private ResourceManagerApp resourceMgr; private TrafficModel tmd = null; private Logger logger = LoggerFactory.getLogger(Sc...

文章目录算法介绍算法示例总结算法介绍logistic回归是一种广义线性回归（generalized linear model），因此与多重线性回归分析有很多相同之处。它们的模型形式基本上相同，都具有 w‘x+b，其中w和b是待求参数，其区别在于他们的因变量不同，多重线性回归直接将w‘x+b作为因变量，即y =w‘x+b，而logistic回归则通过函数L将w‘x+b对应一个隐状态p，p =L(...

文章目录算法介绍算法实现总结算法介绍支持向量机(supportvectormachines,SVM) 是一种二类分类模型.它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机; 支持向量机还包括核技巧，这使它成为实质上的非线性分类器.支持向量机的学习策略就是间隔最大化，可形式化为一个求解凸二次规划(convex quadratic也等价于正则化的合页损失函数的最小化问...

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Ma...