此心安处是吾乡

@(Aaron)[深度学习 | 卷积神经网络]主要内容包括：卷积神经网络基础LeNetModern CNN文章目录卷积神经网络基础二维卷积层填充和步幅多输入通道和多输出通道卷积层与全连接层的对比卷积层的简洁实现池化LeNet 模型构建模型获取数据和训练模型ModernCNN深度卷积神经网络（AlexNet）使用重复元素的网络（VGG）⽹络中的⽹络（NiN）GoogLeNet卷积神经网络基础  介绍卷积神经网络的基础概念，主要是卷积层和池化层，并解释填充、步幅、输入通道和输出通道的含义。二

@(Aaron)[机器学习 | ModernRNN]主要内容包括：GRU/LSTM/深层RNN/双向RNN文章目录GRU载入数据集初始化参数GRU模型训练模型简洁实现LSTM初始化参数LSTM模型训练模型简洁实现深度循环神经网络双向循环神经网络GRU  RNN存在的问题：梯度较容易出现衰减或爆炸（BPTT）  ⻔控循环神经⽹络：捕捉时间序列中时间步距离较⼤的依赖关系RNN:[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mXCs2cxj-1593316287

@(Aaron)[机器学习 | 循环神经网络]主要内容包括：基于循环神经网络的语言模型，提供了从零开始的实现与简洁实现代码实践文章目录循环神经网络的构造裁剪梯度代码实践循环神经网络的构造  循环神经网络(Recurrent Neural Network)是一类用于处理序列数据的神经网络。序列数据的特点是后面的数据跟前面的数据有关系。基础的神经网络只在层与层之间建立了权连接，而循环神经网络在层内的神经元之间也建立的权连接。具体来说就是循环神经网络的每一个神经元除了当前的输入信息之外还包含之前

@(Aaron)[机器学习 | 多层感知机]主要内容包括：多层感知机的基本知识使用多层感知机图像分类的从零开始的实现使用pytorch的简洁实现文章目录多层感知机的基本知识隐藏层表达公式激活函数关于激活函数的选择图像分类数据集（Fashion-MNIST）使用多层感知机图像分类的从零开始的实现及pytorch重新实现多层感知机的基本知识  深度学习主要关注多层模型。在这里，我们将以多层感知机（multilayer perceptron，MLP）为例，介绍多层神经网络的概念。  多层感知

@(Aaron)[机器学习 | 逻辑回归]主要内容包括：softmax回归的基本概念如何获取Fashion-MNIST数据集和读取数据softmax回归模型的从零开始实现，实现一个对Fashion-MNIST训练集中的图像数据进行分类的模型使用pytorch重新实现softmax回归模型文章目录softmax的基本概念分类问题权重矢量神经网络图输出问题交叉熵损失函数模型训练和预测softmax回归模型的从零开始实现及使用pytorch重新实现softmax回归模型softmax的基本概念

@(Aaron) [机器学习, 模型结果融合]主要内容包括：简单加权融合:回归（分类概率）：算术平均融合（Arithmetic mean），几何平均融合（Geometric mean）；分类：投票（Voting)综合：排序融合(Rank averaging)，log融合stacking/blending:构建多层模型，并利用预测结果再拟合预测。boosting/ba...

@(Aaron) [机器学习, 建模与调参]主要内容包括：线性回归模型模型性能验证：嵌入式特征选择:模型对比：模型调参文章目录1 相关原理介绍与推荐2 线性回归模型2.1 读取数据2.2 线性回归 & 五折交叉验证 & 模拟真实业务情况2.2.1 简单建模2.2.2 五折交叉验证2.2.3 模拟真实业务情况2.2.4 绘制学习率曲线与验证曲线3 多种模型对比...

@(Aaron) [机器学习, 特征工程]主要内容包括：数据理解数据清洗：特征构造:特征选择：类别不平衡文章目录1 数据理解1.1 数字特征1.2 类别特征2 数据清洗2.1 特征变换2.2. 缺失值处理2.3. 异常值处理2.4 其他3 特征构造3.1 统计量特征：3.2 时间特征：3.3 地理信息：3.4 非线性变换：3.5 数据分桶：3.6 特征组合4 特征选择4.1 ...

@(Aaron) [机器学习, EDA-数据探索性分析]主要内容包括：载入各种数据科学以及可视化库：数据科学库 pandas、numpy、scipy；可视化库 matplotlib、seabon；其他；载入数据：载入训练集和测试集；简略观察数据(head()+shape)；数据总览:通过describe()来熟悉数据的相关统计量通过info()来熟悉数据类型...

@(Aaron) [机器学习, 凸优化和梯度下降]主要内容包括：深度学习中的优化问题和凸性介绍介绍梯度下降、随机梯度下降和小批量梯度下降的原理及实现文章目录凸优化优化与深度学习凸性 （Convexity）梯度下降一维梯度下降多维梯度下降自适应方法随机梯度下降小批量随机梯度下降凸优化优化与深度学习优化与估计  尽管优化方法可以最小化深度学习中的损失函数值，但本质上优化方法达...

@(Aaron)[机器学习 | 线性回归]主要内容包括：线性回归的基本要素线性回归模型从零开始的实现线性回归模型使用pytorch的简洁实现文章目录线性回归的基本要素模型数据集损失函数优化函数 - 随机梯度下降线性回归模型从零开始的实现线性回归的基本要素  线性回归，就是能够用一个直线较为精确地描述数据之间的关系。这样当出现新的数据的时候，就能够预测出一个简单的值。模型  ...