自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(4)
  • 收藏
  • 关注

原创 1.3.1多项分布数学原理

多项分布是。

2025-03-23 19:26:07 1319 1

原创 1.3 softmax回归分类问题数学原理

但是线性模型有个问题,它的输出并不能限制这些输出的数字综合为1,而且它的输出也可能是负值,输出结果可能会违反概率的基本公理。这时候softmax函数就应运而生了,我们可以用softmax函数来把线性模型的输出。的每一行都为概率分布,每一行之和为1,并且每一行中的值都为非负数。输入到模型中,模型的输出会告诉我们这些样本是每个类别的概率分别是多少。我们知道了模型,还要有损失函数有模型的准确率指标,才能用梯度下降法不断优化求得最优模型参数。是预测的概率,表示它是属于j类的概率,所以这个公式才能表示概率。

2025-03-23 19:21:34 583

原创 1.2 梯度下降法和基于pytorch一元线性回归

由于我们最开始的w和b是随机初始化,所以肯定不准确,我们后面的梯度下降目的是为了预测提高准确率,也可以说目的是让损失值更小,所以在进行梯度下降之前我们先看一下初始的状态。但对于神经网络,损失函数通常是高度非线性的,比如涉及指数、log、ReLU、sigmoid 等函数,导致它们的偏导数方程组难以解析求解。然后我们用梯度下降法进行回归,运行程序后你会发现打印的loss值是越来越小的,说明预测是越来越准确的,梯度下降法是有效的。这种方法是有效的,因为它可以直接得到参数的解析解,而不需要迭代优化过程。

2025-03-18 10:26:03 833

原创 1.1深度学习pytorch求导操作

通过调用 backward,我们可以执行一次自动求导,但如果再次调用,会发现程序报错,无法继续。在 PyTorch 中,backward() 只能计算标量对张量的梯度。可以看到,x 的梯度变为 30,这是因为进行了两次自动求导,将第一次的梯度 30 与第二次的梯度 30 相加,最终得到 30 这个结果。线性代数里的向量、矩阵在pytorch里分别可以称为一维张量,二维张量,上面的z是一个标量,那如果是一个向量呢?数学公式很简单,那用pytorch怎么实现呢,有Python基础的人可以直接看下面的代码。

2025-03-16 13:02:49 944

softmax回归分类python代码实现

softmax回归,pytroch实现

2025-03-23

简单线性回归模型的python实现

python实现简单的有监督机器学习

2024-02-18

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除