- 博客(63)
- 资源 (11)
- 收藏
- 关注
RSS订阅原创 机器学习（西瓜书)-BP神经网络实现
2、用感知机实现线性可分的与，或，非问题，然后用多层感知机实现线性不可分割的异或问题。所有的参数还有变量依托于周志华的机器学习（西瓜书）p97-p104。3、之后搭建了一个三层神经网络，任务是判断一个数字是否>0.5。1、首先定义两个激活函数，越阶函数和sigmoid函数。
2024-11-18 16:46:39
321
原创 dayseven-因果分析-图模型与结构因果模型
有向边在图中标明了边“入”和“出”的节点，它从一个节点出来、进入另一个节点，用带箭头的线表示，箭头的头表示边进入的节点，箭头的尾表示边出来的节点，用字母来表示，则是出的节点在前、入的节点在后，比如图2.3b中节点A和节点B之间的边表示为BA，而不能表示为AB。在图2.3b中，节点C是节点B和D的父节点，相应地，节点B和节点D是节点C的子节点。在图模型中，若节点变量X是节点变量Y的祖先，则称节点变量X（准确地说，应该是节点变量的一个取值，一般简称为节点变量）是节点变量Y的因，节点变量Y是节点变量X的果。
2024-11-07 18:38:27
705
原创 daysix-因果分析-图模型与结构因果模型
但是，如果我们增加事件B，它代表火柴头上的硫黄温度达到燃点且遇到氧气，则此时事件之间的关系是，事件C发生导致事件B发生，事件B发生导致事件A发生，这时事件B是事件A的直接因，而事件C不再是事件A的直接因。事件B是事件C和事件A之间的“因果中介”，简称中介。若事件集合A中的事件都是事件B的因，且当事件集合A中的事件发生后，事件B发生与否与事件B的其他因无关，则称事件集合A中的事件为事件B的“直接因”(direct cause)● 传递性：若事件A是事件B的因，且事件B是事件C的因，则事件A也是事件C的因。
2024-11-04 13:05:54
336
原创 基础知识-因果分析-dayfive-一元线性回归
Xi做线性回归，回归误差项为ε，则有。如已知关于变量{X,Y,Z}的样本数据集，将这些样本表现为以X、Y和Z为坐标的三维空间的散点图形式，则用式(2.28)对变量Y进行近似，就是在以X、Y和Z为坐标轴的三维空间，用回归函数表达式所对应的倾斜平面对散点图进行拟合，如图2.2所示。对等式(2.25)两边分别取期望，则有E(Y)=E(a)+E(bX)+E(ε)E(Y)=a+bE(X)+E(ε)则有a+E(ε)=E(Y)-bE(X)令E(ε)=0（ε均值的大小可以通过调整a的取值来体现），则有。
2024-11-04 12:17:36
765
原创 基础知识-因果分析-dayfour-随机变量的数字特征
随机变量的概率分布（离散随机变量是概率分布值，连续随机变量是概率密度函数）对随机变量进行了完整描述，但在实际工作中，难以确定随机变量的概率分布，同时，对于一些实际问题，并不需要掌握随机变量的概率分布，只要知道与随机变量概率分布相关的一些特征就够了，因此，我们在损失一些数据信息的情况下，用与随机变量的概率分布有关的一些特征对该变量的取值情况进行描述，这些特征称为随机变量的数字特征。1.期望值随机变量的期望值（也称为均值）为该变量各个可能的取值乘以其相应的概率，再将得到的乘积加和。随机变量对应取值的概率。
2024-10-31 19:10:33
314
原创 基础知识-因果分析-daythree-独立性检验-贝叶斯公式及应用
根据概率乘法公式有P(AB)=P(B|A)P(A)变形为除法形式，则有更一般地，假设事件的集合B1，B2，…，Bn构成样本空间的一个划分，则根据全概率公式有将式(2.14)中的B替换为Bi，则有再代入P(A)的全概率计算公式，则有式(2.14)、式(2.15)和式(2.16)均为贝叶斯公式，区别在于后者体现了用全概率公式计算P(A)的过程。贝叶斯公式是概率乘法公式、条件概率公式和全概率公式的直接推导结果。如果我们将事件A看作试验中的结果，将事件的集合B1，B2，…，Bn看作导
2024-10-29 18:53:33
858
原创 基础知识-因果分析-daythree-独立性检验
以掷骰子试验为例，假设骰子只有四个面，分别标记为1、2、3和4，且假设事件A为掷出来的点数是1或2，事件B为掷出来的点数是2或3，事件C为掷出来的点数是1或2或3，则事件AB为掷出来的点数是2，事件BC为掷出来的点数是2或3。类似于事件相互独立的对称性，事件之间条件独立也有对称性，即根据式(2.11)，可有P(B|AC)=P(B|C)比如，事件“石头变热”和事件“太阳照射”相互不独立，当事件“太阳照射”发生时，事件“石头变热”就会发生。显然，此时有P(AB)=P(A)P(B)，即事件A和事件B相互独立；
2024-10-28 22:22:50
1025
原创 基础知识-因果分析-daytwo-2 概率及其计算
假设这组变量有两个变量X和Y，都可以取值1和2，那么这组变量所有可能的变量取值的组合及其对应的概率数值可以为“P(X=1,Y=1)=0.2，P(X=1,Y=2)=0.1，P(X=2,Y=1)=0.4，P(X=2,Y=2)=0.3”。在式(2.4)中，通过将事件A与事件集合B（一个“划分”）中的各个事件Bi同时发生的概率P(ABi)加和，来计算事件A的概率，我们称之为对事件集合B进行边缘化，相应得到的概率P(A)称为事件A的边缘化概率。,An)的联合概率分布的计算，反复利用概率的乘法公式，则有。
2024-10-27 15:24:47
767
原创 基础知识-因果分析-daytwo-随机变量和随机事件
在这个随机试验中，变量X所有可能的结果，即变量X的所有取值有6个，分别是X=1、X=2、X=3、X=4、X=5和X=6，这是6个事件，并且这6个事件在每次试验中必然发生一个且仅发生一个，这样的事件称为基本事件。(3)积事件事件A∩B={ω|ω∈A且ω∈B}称为事件A与事件B的积，即当且仅当A和B同时发生，事件A∩B发生，通常A∩B简写为AB。(2)和事件事件A∪B={ω|ω∈A或ω∈B}称为事件A与事件B的和，即当且仅当A和B中至少有一个发生，事件A∪B就会发生。1)交换律：A∪B=B∪A,AB=BA。
2024-10-26 16:33:36
351
原创 基础知识总结-因果分析-dayone-辛普森悖论 因果关系
辛普森悖论的案例说明，我们观察到的数据并非事物的全貌，变量之间的相关性关系并不等于变量之间的因果关系，简单地应用统计相关性分析相关结果得出分析结论，很可能得到一个错误的结果。关系较为简单的，可以快速发现。类似地，我们可以观察火灾事故中的伤亡人数和火灾救援中出动的消防车数量之间的统计关系，在所有的火灾统计数据中，可以发现，出动“消防车数量多”的火灾“伤亡人数多”，我们可以得出结论——火灾中“消防车数量多”和“伤亡人数多”之间有相关性，但我们不会得出“消防车数量多”导致了火灾中“伤亡人数多”的结论。
2024-10-26 00:54:03
737
原创 机器学习-线性模型
生成数据用的W： [[ 0.09938109]计算得到的W： [[ 0.09755364]生成数据所用的w和实际w相差不大!
2024-10-23 17:00:39
275
1
原创 实验报告题目
主要包括环境介绍，安装，以及numpy,matplotlib,pandas包的使用。线性回归模型的基本原理。线性判别模型的基本原理。结课报告：综合项目-鸢尾花数据集分类。1、Anaconda环境配置。
2024-06-05 19:22:10
562
原创 2024.5.30 numpy 与matplotlib 包的使用
In[1]:# In[59]:x=[2,3,4]y=[1,2,3]plt.show()# In[18]:# In[42]:plt.show()# In[47]:# In[67]:plt.show()# In[77]:plt.show()# In[79]:A# In[80]:B# In[83]:# In[86]:# In[95]:
2024-05-30 13:45:09
451
1
原创 第二章 模型评估与选择
将上述作为坐标，可以得到ROC曲线，两个ROC曲线，可以通过两个ROC曲线下的面积（AUC)大小作为优劣的标准。这样总有约有三分之一的数据不会在采样m的数据集中出现，可以作为测试集。将数据集划分成k个大小相似的集合，每次取k-1个子集作为训练集，余下的为测试集。计算开销大，应为要划分的和计算的次数太多。二者关系：查的越准，检出的量越少，检出的越少，可能不能把所有的都搜索出来，所以查全率低。查准率=（检索出的相关信息量/检索出的信息总量）x100%。泛化误差：处了训练集以外的样本，产生的预测误差。
2024-05-28 01:07:44
889
原创 Tensorflow 2.6 安装过程
anaconda 使用帮助 | 镜像站使用帮助 | 清华大学开源软件镜像站，致力于为国内和校内用户提供高质量的开源软件镜像、Linux 镜像源服务，帮助用户更方便地获取开源软件。这里，本课程只使用tensorflow2.0.0的CPU版本，故使用conda install tensorflow==2.0.0即可默认安装CPU版本的tensorflow库。在使用前，我们需要配置资源库代理，因为国内直接访问国外的Anaconda资源十分慢，好在清华大学资源网站有大多数我们能使用的资源包，所以配置代理为清华源。
2024-05-26 17:25:04
3053
原创 数据挖掘一些概念
基本步骤：1 数据清理2 数据集成3 数据选择4 数据变换5 数据挖掘6 模式评估7 知识表示数据的属性有哪些：1 标称属性：可以说成是事物的名称 例如 头发的颜色：棕色，红色，褐色等2 二元属性：用 0或1 表示，又称布尔属性3 序数属性： 第一，第二，第三，A，B，C，D，等级之类的，序数之间没有明确的差值4 数值属性：有两种 （1）.区间标度属...
2022-11-12 23:42:05
398
原创 skipgram模型实现
Word2Vec模型中，主要有Skip-Gram和CBOW两种模型，从直观上理解，Skip-Gram是给定input word来预测上下文。而CBOW是给定上下文，来预测input word。
2022-11-12 23:39:06
457
原创 如下面第一个图的九宫格中，放着 1~8 的数字卡片，还有一个格子空着。与空格子相邻的格子中的卡片可以移动到空格中。
如下面第一个图的九宫格中，放着 1~8 的数字卡片，还有一个格子空着。与空格子相邻的格子中的卡片可以移动到空格中。
2022-11-05 21:36:04
531
原创 a的b次方 mod p
一般的方法，由于b是次方，0<=b<=所以累乘的方法不适用，复杂度太高把拆分成at例如a的7次方，7转换成二进制111，7=(2的0次方)X(2的1次方)X(2的4次方)。所以对每一项进行计算后相乘，时间复杂度减少到logimport java.util.Scanner; public class Main { public static void main(String[] args) { long a=3,b=7,c=4; ...
2021-04-27 12:47:46
522
原创 a乘b后取mod p
对a和b拆解，例如a=7a=例如b=5b=相乘时a x b===只需要对各个项的上标进行计算即可；计算可能会很大，但是n不会特别大，所以可以转变成n个2连乘，每次乘2都mod p就不会溢出。#include"stdio.h"long long power(long long b,long long p);int main(){ long long a=0L; long long b=0L; long long p=0L; l
2021-04-27 11:50:42
407
原创 动态规划——矩阵连乘问题
#include"stdio.h"int a[7][2];//存放要乘的矩阵的行数和列数int b[7][7];//存放矩阵连乘的子问题的代价int c[7][7];//存放子问题的解（分开的下标)int getij(int i,int j)//分解后的子问题，得到子问题的最优解{ int i1=i,j1=j; int q,p,r; int min=0,m1,m2,p1,p2,p3; int k; if(i==j) { b[i.
2021-04-24 15:59:35
202
原创 pyinstaller 打包包含torch,torchvision,pyzbar 不成功解决方案
1 pyinstaller 对与torchvision 只能支持0.3.0以下，好像是这样，不然会出问题，我用的版本是torch1.5.1 cpu 和torchvision0.6.1cpu，打包出现比如这样的错误Traceback (most recent call last): File "Frame.py", line 7, in <module> from detect import detect_main File "<frozen importlib..
2020-07-27 00:32:45
3597
原创 yolov3 训练时如何配置工作环境
运行这个代码要安装一些包numpy == 1.17opencv-python >= 4.1torch >= 1.5matplotlibpycocotoolstqdmpillowtensorboard >= 1.141数据准备1.1 打标签使用labelimg 进行标签的生成，图片不要有中文路径和名称，打完标签时xml文件主要是执行这个软件的命令 python labelimg.py2 将图片放到JEPGimg文件夹下，images里也要一份3 将.
2020-07-19 16:47:15
313
原创 Pyinstaller 打包以及pipenv 虚拟环境应用，以及打包出来程序太大的解决办法
直接在基本环境中使用Pyinstaller将pyinstaller 打包成exe， 打包出来的exe会非常大，最好用pipenv创建一个虚拟环境。在虚拟环境中安装你写的python程序需要的各种包，记得还要安装pyinstaller安装好pipinstaller后pipenv install 创建一个新环境pipenv shell 进入虚拟环境pip install 各种包pip install pyinstaller 这个也要啊。特别注意，如果导入了numpy 这种包，
2020-07-05 17:15:17
953
6
原创 struts2 项目格式
web.xml在webINF文件夹下，不是libHelloworldaction.javapackage cn;public class HelloWorldAction { private String name; public String execute() throws Exception { return "success"; } public String getName(){ return name; } public void setName(...
2020-05-10 08:48:49
165
原创 卷积神经网络——conv2d
# coding: utf-8# In[1]:import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layers,Sequentialfrom tensorflow.examples.tutorials.mnist import input_dataimport matp...
2020-04-19 19:19:10
446
原创 神经网络_tensorflow_keras实现
# coding: utf-8# In[54]:import tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layers,Sequentialtf.__version__# In[55]:#第一层3个神经元#第二层两个神经元network=Sequential([...
2020-04-18 11:26:57
382
原创 神经网络_原理实现
import tensorflow as tfimport numpy as npdef relu(temp): return tf.maximum(temp,0)def softmax2(z): exp=tf.exp(z) sum=tf.reduce_sum(tf.exp(z),axis=1,keepdims=True)#在第二个维度上求和，并且保持维度不变 ...
2020-03-31 14:56:13
276
labelImg.rar
2020-07-19
yolov3原版.rar
2020-07-19
逻辑回归模型，python代码
2020-03-21
softmax多分类.rar
2020-03-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人