书签：bobo机器学习调参课程笔记

最新推荐文章于 2023-12-10 14:22:37 发布
原创 最新推荐文章于 2023-12-10 14:22:37 发布 · 197 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文精选了优快云和CNBlog两大技术社区的热门文章，涵盖了从前端到后端，从移动开发到游戏开发等多个领域的最新技术动态和实战经验分享，是IT从业者不可错过的技术盛宴。

https://blog.youkuaiyun.com/sxb0841901116/category_8058575.html
https://www.cnblogs.com/zhangtaotqy/p/9524477.html

bobo老师机器学习笔记-第四课：KNN算法
夜深人静后的码农
10-13 990
自己参考Bobo老师写得代码： 主要分为四个文件： knn.py中实现KNN算法、model_selection.py封装了样本数据的一些工具方法，比如切分为训练集和测试集； metrics用来对模型进行评估、client用来调用算法进行运行 # -*- encoding: utf-8 -*- """ 实现KNN的分类算法 """ import numpy as np from mat...
Bobo老师机器学习笔记第九课-PR曲线和ROC曲线
夜深人静后的码农
12-10 791
在上篇文章中，我们已经概述了PR曲线。现在做个简单的回归 1、什么是PR曲线？  PR曲线是精准率（Precision）和召回率（Recall）的缩写， 精准率表示在预测的关注事件中，其中预测正确的有多少。  Precision = TP / (TP + FP) 召回率表示在实际的关注事件中，正确预测出来了有多少。 Recall = TP / (FN + TP) 然后以recall为...
bobo老师机器学习笔记--导学入门思维导图
夜深人静后的码农
09-18 1280
课程地址：https://coding.imooc.com/class/169.html
bobo老师机器学习笔记-第三课：机器学习的基本工具
夜深人静后的码农
10-08 566
最牛吴恩达老师的机器学习笔记
08-07
详细入门机器学习，需要一定的背景，并且阅读过吴恩达老师的机器学习课程或者对机器学习有一定的 基础
bobo老师机器学习笔记1.1 - 什么是机器学习
weixin_30578677的博客
08-02 169
1. 机器学习与传统算法比较 机器学习: 让机器 去学习 传统算法: 让机器 去执行 2. 机器学习的一些应用最早的机器学习应用 —— 垃圾邮件分辨： 传统解决思路：编写规则，定义“垃圾邮件”，让机器执行，即：输入样例 -> 编写一个传统算法 -> 输出结果 还有图像识别、人脸识别、数字识别等 这些任务让人类来做非常容易，让计算机做非常困难. 3. ...
Bobo老师机器学习笔记第六课-梯度下降法
夜深人静后的码农
10-23 309
思维导图笔记 数学基础链接： 为什么梯度方向是函数值增大最快的方向 为什么沿着梯度方向函数值上升的最快?为什么梯度反方向是函数值下降最快的方向？ 练习代码 # -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt plot_x = np.linspace(-1, 6, 141) plot...
Bobo老师机器学习笔记第六课-梯度下降法在线性回归中的应用
夜深人静后的码农
10-26 658
在上一篇博客中大概介绍了一下梯度下降法，那么梯度下降法在线性回归中如何更好的应用了，本篇博客做一介绍。 在BoBo老师的课程中，梯度下降法主要讲了2中，批量梯度下降法(Batch Gradient Descent)和随机梯度下降法(Stochastic Gradient Descent)。  一、理论介绍 1、批量梯度下降法（Batch Gradient Descent） 损失函数以及未使...
Bobo老师机器学习笔记第七课-主成分分析法
夜深人静后的码农
11-01 537
思维导图笔记 算法原理推导过程 代码实现 # -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt # 创建一个只有2个特征的测试数据 X = np.empty((100, 2)) X[:, 0] = np.random.uniform(0., 100.0, size=100) # ...
Bobo老师机器学习笔记第八课-方差、偏差、岭回归、LASSO回归？
夜深人静后的码农
12-04 3079
对误差分类 问题一、什么是偏差和方差？ 先看下面这幅图图： 方差： 都是围着数据中心的，方差越大则表示距离数据中心分布的越分散，越小说明越近越集中 偏差： 偏离数据中心， 偏差越大，说明整个数据距离中心越远，偏差越小，说明距离数据中心越近。 这两者的关系通常是矛盾的，降低偏差会提高方差，降低方差会提高偏差。所有一个好的模型就是对这点的一个平衡。  二、模型误差来自于哪些？ 模型误...
TCN:序列建模基准和时间卷积网络
04-13
序列建模基准和时间卷积网络（TCN） 该存储库包含Shaojie Bai，J。Zico Kolter和Vladlen Koltun完成的实验。 我们专门针对一整套综合任务，这些任务已被反复用来比较不同循环网络的有效性，并在循环网络的主场上评估一个简单，通用但功能强大（完全）的卷积网络。 实验是在PyTorch中完成的。 如果您发现此存储库有帮助，请引用我们的工作： @article{BaiTCN2018, author = {Shaojie Bai and J. Zico Kolter and Vladlen Koltun}, title = {An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling}, journal = {a
时间卷积网络TCN代码.zip
04-03
SCI论文中所用代码，数据加程序，使用时间卷积网络建立预测模型进行预测，比LSTM、CNN等效果精确。
bobo老师机器学习笔记--机器学习基础思维导图
夜深人静后的码农
09-28 638
Bobo老师机器学习笔记第九课-逻辑回归代码展示
夜深人静后的码农
12-05 542
在上一篇博客中我们学习了逻辑回归（LogisticRegression）的理论。那么在这篇博客中，我们用代码展示一下，如何用梯度下降法获取逻辑回归的参数 步骤1：我们加载sklearn中的鸢尾花数据进行测试，由于为了数据可视化，我们选择2种类型的鸢尾花，并且只选择2个特征。  import numpy as np import matplotlib.pyplot as plt...
Bobo老师机器学习笔记第八课-多项式回归
夜深人静后的码农
11-12 609
问题1: 什么是多项式回归？ 以前我们学习了线性回归，但是线性回归比较适用于数据之间明显线性关系的。但有时我们使用的数据不一定它们之间有线性关系。那么这时候就要用到多项式回归。多项式我们以前学过，那么多项式的回归方程就类似于 问题2: 那么非线性的数据，我们如何做呢，比如下面数据？ 如果利用上面的数据我们进行线性回归，结果是下面的 通过上图可以看出来，上面这条直线对数据回归不太...
Bobo老师机器学习笔记-数据归一化
夜深人静后的码农
10-15 599
  实现算法： def normalizate_max_min(X): """ 利用最大和最小化方式进行归一化，过一化的数据集中在【0， 1】 :param X: :return: """ np.asarray(X, dtype=float) if len(X.shape) == 1: normalizate_ar...
Bobo老师机器学习笔记第九课-分类算法的评价指标
夜深人静后的码农
12-07 579
1、以前学习分类算法时候，一直用分类准确度进行算法的好坏，准确度一定准确吗？ 对于极度偏斜（Skewed data）的数据，只使用分类准确度是不够的。比如一种癌症的发病率是0.01%，那么我们系统即使在不分类的情况下，预测健康的情况准确率就可以达到99.99%。这个明显是不符合实际情况的。 因此我们引入一种新的评价指标。首先我们熟悉一个概念：混淆矩阵（Confusion Matrix） ...
调参|炼丹|感悟
m0_38052500的博客
06-02 548
对于某些不参与图计算的模块，即没出现在forward函数中的子模块。初始化某些模块不使用与不初始化这些模块，两次的实验结果会有差异。——意味着初始化的参数是不一样的，即使看似那些模块对被使用的模块没有影响。 ...
机器学习周记（第二十周：文献阅读-TCN and LSTM）2023.12.4~2023.12.10
最新发布
DominaterWE的博客
12-10 2034
本周阅读了一篇关于TCN和LSTM进行光伏功率预测的文章，光伏功率数据是非线性不平稳的数据，在一定程度上也能反应论文模型在水质预测方面的效果。论文模型可以通过单步或者多步对光伏功率进行预测，实验结果表明，其具有非常优异的表现。本周也针对论文模型进行了简单的复现，预测结果并不非常准确，仍需进一步优化和调参。
JavaScript自动化测试实践：bobo_lazers代码解析
资源摘要信息:"bobo_lazers:做事情的代码" 在本节内容中，我们将探讨标题中的"bobo_lazers:做事情的代码"，以及描述中的"跑步：node test.js"所提供的信息，并且我们将重点放在标签"JavaScript"以及文件压缩包中的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值