- 博客(33)
- 收藏
- 关注
原创 11-循环神经网络
自然语言处理(Nature language Processing, NLP)研究的主要是通过计算机算法来理解自然语言。对于自然语言来说,处理的数据主要就是人类的语言,例如:汉语、英语、法语等,该类型的数据不像我们前面接触过的结构化数据、或者图像数据可以很方便的进行数值化。NLP的目标是让机器能够“听懂”和“读懂”自然语言,并进行有效的交流和分析。NLP涵盖了从文本到语音、从语音到文本的各个方面,它涉及多种技术,包括语法分析、语义理解、情感分析、机器翻译等。
2026-09-14 21:26:59
81
1
原创 12-RNN案例-文本生成
文本生成任务是一种常见的自然语言处理任务,输入一个开始词能够预测出后面的词序列。本案例将会使用循环神经网络来实现周杰伦歌词生成任务。
2026-09-14 21:25:05
126
原创 09-卷积神经网络
卷积神经网络是深度学习在计算机视觉领域的突破性成果,专门用于处理图像、视频、语音等数据的神经网络在计算机视觉领域, 往往我们输入的图像都很大,使用全连接网络的话,计算的代价较高。另外图像也很难保留原有的特征,导致图像处理的准确率不高。卷积神经网络(Convolutional Neural Network)是含有卷积层的神经网络。卷积层的作用就是用来自动学习、提取图像的特征。卷积层、池化层和全连接层构成:(1)卷积层负责提取图像中的局部特征(2)池化层用来大幅降低参数量级(降维)
2026-08-25 21:50:08
237
原创 08-案例-手机价格分类
小明创办了一家手机公司,他不知道如何估算手机产品的价格。为了解决这个问题,他收集了多家公司的手机销售数据。该数据为二手手机的各个性能的数据,最后根据这些性能得到4个价格区间,作为这些二手手机售出的价格区间。
2026-08-12 23:34:55
259
原创 07-神经网络优化方法
在设计机器学习算法时希望在新样本上的泛化能力强。许多机器学习算法都采用相关的策略来减小测试误差,这些策略被统称为正则化神经网络强大的表示能力经常遇到过拟合,所以需要使用不同形式的正则化策略目前在深度学习中使用较多的策略有范数惩罚,DropOut,特殊的网络层等。
2026-08-11 15:15:56
236
原创 06-损失函数
在深度学习中, 损失函数是用来==衡量模型参数质量的函数==, 衡量的方式模型通过最小化损失函数的值来调整参数,使其输出更接近真实值。损失函数又名:代价函数、目标函数、误差函数……:反映模型预测结果与目标值的匹配程度。:通过梯度下降等算法最小化损失函数,优化模型参数。
2026-08-06 21:03:40
229
原创 04-pytorch构建线性回归
在pytorch中进行模型构建的整个流程一般分为四个步骤:准备训练集数据构建要使用的模型设置损失函数和优化器模型训练要使用的API:使用 PyTorch 的 nn.MSELoss() 代替平方损失函数使用 PyTorch 的 data.DataLoader 代替数据加载器使用 PyTorch 的 optim.SGD 代替优化器使用 PyTorch 的 nn.Linear 代替假设函数。
2026-07-26 23:10:53
286
原创 01-深度学习简介
机器学习是实现人工智能的一种途径。深度学习是机器学习的一个子集,也就是说深度学习是实现机器学习的一种方法。深度学习是机器学习中一种基于对数据进行特征学习的算法。深度学习是基于人工神经网络,深度是指网络中使用多层,每层都通过非线性变换处理数据,并逐渐提取出更复杂、更抽象的特征。传统机器学习算法依赖人工设计特征,并进行特征提取;而深度学习方法不需要人工,而是依赖算法自动提取特征。深度学习通过模仿人脑的神经网络来处理和分析复杂的数据,从大量数据中自动提取复杂特征。这也是深度学习被看做。
2026-07-24 23:55:48
196
原创 22-时序预测-电力负荷预测
重要性突出:电力工业是国民经济发展中的重要基础性能源产业,是保证国民经济和社会持续、稳定、健康的发展的关键。电力工业的发展建设对国家各行业起到至关重要的作用。随着改革开放后中国经济的高速发展,各领域的用电需求在不断激增,推动着电力系统向数字化、智能化转型发展。任务复杂艰巨:随着全球对可再生能源的日益重视以及电力系统结构的转型,传统的负荷预测和电力平衡技术面临着新的挑战和机遇。全球范围内,人们对电力系统的可靠性、经济性和环境友好性的要求日益增加,而这些要求往往受到可再生能源波动性和不确定性的影响。
2026-07-23 21:01:27
258
原创 18-聚类概述
根据样本间的相似性,将样本划分到不同的类别中;。聚类是一种,目的是没有先验知识的情况下, 自动发现数据集中的内在结构和模式。应用:用户画像、广告推荐、图像分割、降维等、离群点识别、信用卡异常消费等。
2026-07-20 10:14:57
353
原创 12-集成学习概述
集成学习是机器学习中的一种思想,它通过多个模型的组合形成一个精度更高的模型,参与组合的模型称为弱学习器(基学习器)。训练时,使用训练集依次训练出这些弱学习器,对未知的样本进行预测时使用这些弱学习器联合进行预测。
2026-07-19 00:23:11
201
原创 11-决策树-泰坦尼克号乘客生存预测
根据乘客特征预测是否幸存(二分类)。Kaggle 经典入门分类数据集,模拟 1912 年泰坦尼克沉船事件乘客信息,任务:根据乘客特征预测是否幸存(二分类)。数据来源于阿里云天池。数据特点:3.1 获取数据3.2 数据预处理3.3 特征工程绝大多数树模型都不需要特征标准化
2026-07-11 01:33:01
177
原创 09-逻辑回归-电信客户流失预测
已知个人、通话、上网等数据,通过分析特征属性,确定用户流失的原因,以及哪些因素可能导致用户流失。建立预测模型,判断用户是否流失。
2026-07-09 20:49:23
256
原创 06-线性回归案例:波士顿房价预测
来源:1978 年由 Harrison & Rubinfeld 发布,采集美国波士顿郊区 506 个社区普查区块数据,是机器学习回归任务入门标杆数据集。样本规模:共 506 条样本,无缺失值;sklearn 内置可直接加载。变量构成:13 个输入特征 + 1 个预测目标(MEDV:每个城镇区块自住房屋的中位数价格(千美元)任务:多元线性回归,基于社区特征预测自住房屋中位数价格。字段含义与房价关系CRIM城镇人均犯罪率负相关,治安越差房价越低ZN大面积住宅用地占比正相关INDUS。
2026-07-07 20:31:51
204
原创 04-KNN案例:手写数字识别
规模:仅 1797 张,8×8 灰度手写数字(不是原版 28×28)结构:特征 64 维,标签 0-9用途:传统机器学习(SVM、逻辑回归、KNN)快速测试,不适合深度学习。
2026-07-05 00:00:47
239
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅