- 博客(5)
- 收藏
- 关注
RSS订阅原创 pytorch逻辑回归 （基本概念）
比如简单的回归模型z=w⋅x+b，w就是权重参数（这里x是自变量），他表示x对因变量y的影响程度和方向。在更复杂的神经⽹络模型中，权重参数存在于神经元之间的连接上，每个连接都有⼀个对应的权重值。同理：多元线性回归有p个x（自变量），为了找到最小参数，并且令每个参数都等于零，会组成一个包含p+1个方程的方程组。y是因变量的观测值向量。如果：x已知确定，θ为变量，那么P(x|θ)描述不同模型参数，出现x样本点的概率（如果：θ已知确定，x为变量，函数P(x|θ)描述不同样本点x，其出现的概率（
2025-03-11 22:02:59
372
原创 机器学习之计算图（Computation Graph）
在深度学习框架（如PyTorch、TensorFlow）中，动态计算图（Dynamic Computation Graph）和静态计算图（Static Computation Graph）是两种不同的计算模型设计模式，它们在模型构建、执行效率和灵活性上有显著差异。所有计算节点（如张量操作、层连接）必须在执行前完全定义，形成固定的计算流（如TensorFlow 1.x的。无法在运行时动态调整图结构（如循环次数、条件分支），对动态控制流（如可变长度输入）支持较弱。计算图是“即时定义、即时执行”的。
2025-03-03 22:12:47
501
原创 人工智能常用数学之：概率
例子：明天下雨的概率是30%（无条件概率），但如果今天阴天，明天下雨的概率变成60%——这就是条件概率。若检测为阳性，真实得病概率 ≈ 50%（因为健康人1%被误检为阳性，人数远多于真实患者）。疾病发病率1%，检测准确率99%（得病时阳性概率99%，健康时阴性概率99%）。比如先相信硬币是公平的（先验），根据抛硬币结果更新认知（后验）。比如天气预测：今天晴→明天雨的概率20%，晴→晴的概率80%。比如已知硬币正常，即使10次出现7次正面，估计p≈55%。比如股票A方差小（稳定），股票B方差大（暴涨暴跌）。
2025-03-02 22:22:50
973
原创 AI人工智能所需要的数学基础以及应用场景
神经网络权重矩阵、图像处理、自然语言处理中的词向量表示（如Word2Vec）。统计推断：假设检验、置信区间、最大似然估计（MLE）、最大后验估计（MAP）机器学习模型（如贝叶斯网络、隐马尔可夫模型）、数据分布分析、模型评估。决策树（ID3算法）、模型复杂度控制、生成对抗网络（GAN）。常见分布：高斯分布、伯努利分布、泊松分布、指数族分布。图论：图结构、最短路径算法、树结构（如决策树）梯度下降法及其变体（动量法、自适应学习率）矩阵分解的数值方法（LU分解、QR分解）向量与矩阵运算（加法、乘法、转置）
2025-03-02 15:08:18
547
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人