Joker的博客

最近在看python源代码的时候对 image = image[:,::-1,:] 一行代码不太理解，通过查阅得知了这一行代码的含义，特此记录下来：  首先，这一行代码产生的效果是对原来的一张图片实现 翻转(flip) 的效果，效果图如下：  接下来详细解释一下这一行代码的含义(image是一个三维数组)：   1. image[:,::-1,:]中的第一个冒号代表了图片的纵列，单独一个冒号指的是对图片的所有纵列进行操作。   2. image[:,::-1,:]中的 ::-1 的是表示从右向左进

L1正则化和L2正则化讲解  在机器学习实践过程中，训练模型的时候往往会出现过拟合现象，为了减小或者避免在训练中出现过拟合现象，通常在原始的损失函数之后附加上正则项，通常使用的正则项有两种：L1正则化和L2正则化。  L1正则化和L2正则化都可以看做是损失函数的惩罚项，所谓惩罚项是指对损失函数中的一些参数进行限制，让参数在某一范围内进行取值。L1正则化的模型叫做LASSO回归，L2正则化的模型叫做岭回归。LASSO回归公式min12mΣi=1m(f(x)−y(i))2+λ∣∣w∣∣1min\fr

  在使用numpy时，难免会用到随机数生成器。我一直对np.random.seed()，随机数种子搞不懂。很多博客也就粗略的说，利用随机数种子，每次生成的随机数相同。我有两个疑惑：  1, 利用随机数种子，每次生成的随机数相同。这是什么意思?  2,随机数种子的参数怎么选择？在别人的代码中经常看到np.random.seed(Argument),这个参数不一样，有的是0，有的是１，当然还有其他数。那这个参数应该怎么选择呢？通过对别的博客的理解，我做了以下几组实验：１．以np.random.ra

MDS算法的基本介绍假定m个样本在原始空间的距离矩阵为 D∈Rm×mD∈ R^{m\times m}D∈Rm×m，其第 i 行 j 列的元素 distijdist_{ij}distij​ 为样本 xix_{i}xi​ 到 xjx_{j}xj​ 的距离，我们的目标是获得在 d′d'd′ 维空间的表示 Z∈Rd′×m，d′<<dZ ∈ R^{d'\times m}，d'<<dZ∈Rd′×m，d′<<d且任意两个样本在d′d'd′维空间中的欧氏距离等于原始空间的距离，即 ∣

文章目录Logistic回归分类概念概率和分类的关系后验概率Step1 逻辑回归的函数集Step2 定义损失函数Step3 寻找最好的函数损失函数：逻辑回归为什么不使用线性回归的平方误差？判别模型 vs 生成模型生成模型的优势多类别分类Softmax定义 target逻辑回归的局限特征转换级联逻辑回归模型Logistic回归分类概念分类要找一个 functionfunction 函数，输入对象 xx 特征， 输出是该对象属于 nn 个类别中是属于哪一个。概率和分类的关系下面的 Class1 和

梯度下降梯度下降是为了解决回归方程中参数的最优化问题，即表现为下述的式子：θ∗=arg⁡min⁡θL(θ)\theta ^{\ast }=\arg \min _{\theta }L\left( \theta \right)θ∗=argθmin​L(θ)L(θ)L\left(\theta\right)L(θ) : Lossfunction（ 代价损失函数）θ\thetaθ：parameters（参数）注意：上述中的 θ\thetaθ并不是指的一个参数，而是指的一组参数需要找一组参数，令代价损失

吴恩达机器学习ex1前言：此次机器学习是本人第一次接触matlab 所以以下的代码中会有对于一些matlab函数的解释ex1_m:Par1：图中部分命令解释：pause：表示程序执行到此处时停止，用于按任意键可以继续执行上图函数 warmUpExercise() 函数表示求出一个 5 x 5 的单位矩阵warmUpExercise()：Part2：Part2部分是对 ex1d...