
机器学习
文章平均质量分 85
夏天的风€&^_^
重庆
展开
-
NLP自然语言处理-Attention注意力机制
1、 概述注意力机制其实在每个人在接受数据的时候所对重要性特征的表现,比如一个手机销售员介绍一款手机,男生、女生对手机介绍的重点是不同的,男生更加注意6G+256G,最新骁龙处理器;女生更加注意xx亮樱桃色,粉红色新款手机。2、说明对于这种注意力机制,其实就是人脑和人眼对现实世界的大量数据的过滤,只抓住每个人自己注意的重点。这里我们就可以把人也当作一个注意力模型,其实就是大量的数据通过注意力模型,输出数据特征。3、使用计算机视觉:我们先用视觉的注意力方案就是,因为可以很直观的看到模型是怎么注原创 2021-01-27 17:58:51 · 747 阅读 · 0 评论 -
LFM梯度下降算法实现-推荐系统
基于内容的推荐系统LFM算法实现,对于不同的用户选择了不同的商品,做了一个笛卡尔集,然后对于每个用户对应的那一行或者那一列肯定是稀疏的,所以我们就根据这个矩阵做一个矩阵的奇异分解,提取出其中的K个特征,然后再重新矩阵相乘回去,得到每个用户对于每个商品的一个评价。代码如下:#%% md## LFM梯度下降算法实现#%%import numpy as npimport pandas as pd#%% md### 1、数据准备#%%# 评分矩阵R = np.array([[4,0,2,1.原创 2020-07-09 16:16:47 · 333 阅读 · 0 评论 -
Tensorflow学习2:四层神经网络进行手写数字识别(输入层+隐藏层1+隐藏层2+输出层)+卷积神经网络
我采用的是本地的MNIST数据,道友们可以自己在网上下载好MNIST数据,然后再进行识别。import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltfrom tensorflow.keras.datasets import mnistfrom tensorflow import keras #%%...原创 2020-04-07 12:34:16 · 1322 阅读 · 0 评论 -
TensorFlow学习记录1,简单曲线拟合
学习TensorFlow记录11.搭建前向回馈神经网络(BP神经网络)环境: TensorFlow2.0 python3.7.6TensorFlow介绍:TensorFlow是一个基于数据流编程的符号数学系统,被广泛使用于各种机器学习算法的编程实现,前身是谷歌的神经网络算法库。首先搭建一个前项回馈神经网络def add_layer(input, in_size, out_size,...原创 2020-01-16 16:56:11 · 498 阅读 · 0 评论 -
机器学习记录1:(sklearn的train_test_split)
sklearn的train_test_splittrain_test_split函数用于将矩阵随机划分为训练子集和测试子集,并返回划分好的训练集测试集样本和训练集测试集标签。格式:X_train,X_test, y_train, y_test =cross_validation.train_test_split(train_data,train_target,test_size=...原创 2019-08-21 15:42:10 · 240 阅读 · 0 评论 -
机器学习笔记二:(fit()函数的参数记录)
fit( x, y, batch_size=32, epochs=10, verbose=1, callbacks=None,validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None, initial_epoch=0)x:输入的训练数据。 如果模型只有一...原创 2019-08-21 15:59:05 · 3791 阅读 · 1 评论 -
基于LSTM对新能源汽车的回归预测
首先给出题目:随着社会经济的发展,以汽油和柴油为燃料的传统汽车保有量逐年增加,使得能源、温室气体、空气质量等三方面主要问题陷入了恶性循环。面临能源枯竭和大气污染的双重威胁。推行清洁能源汽车势在必行。从技术、经济和环境等方面分析,可接充电混合动力汽车(PHEV)被认为是目前切实可行的清洁能源汽车。PHEV 是一种可外接充电的新型混合动力汽车,兼有不可外接充电混合动力汽车和纯电动汽车的基本功能特点...原创 2019-08-26 12:08:39 · 2422 阅读 · 2 评论 -
【机器学习课后作业1】单变量的线性回归
数据如下:6.1101,17.5925.5277,9.13028.5186,13.6627.0032,11.8545.8598,6.82338.3829,11.8867.4764,4.34838.5781,126.4862,6.59875.0546,3.81665.7107,3.252214.164,15.5055.734,3.15518.4084,7.22585.6...原创 2019-09-01 01:54:48 · 398 阅读 · 0 评论