【python ML】神经网络基础快速复习

已于 2025-06-25 23:25:48 修改
阅读量254 收藏 1
点赞数 3
CC 4.0 BY-SA版权
分类专栏： ML学习系列 文章标签： python 神经网络
于 2025-06-24 23:38:55 首次发布
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。
本文链接：https://blog.youkuaiyun.com/weixin_46479223/article/details/148881036

目的

快速复习基础知识 以及查漏补缺

借用深蓝学院讲义结构 部分讲解 和查阅其他资料总结 欢迎去看其他课程

第一章

极大似然估计

前提 数据独立分布 模型已经知道
似然函数 用结果反推已经模型的未知参数
概率函数 用已知参数计算事件发生的可能性
在这里插入图片描述
对于概率表达模型求导数 因为由导数可知单调递增 然后递减
在这里插入图片描述
因为与观测事实不符 且在边界

逻辑回归

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
损失函数是

在这里插入图片描述
在这里插入图片描述

感知机

感知机的创建目的

在这里插入图片描述
使用到超平面的距离作为损失函数合理

在这里插入图片描述
找到w b 让损失函数最小

在这里插入图片描述在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
一个小例子

在这里插入图片描述

神经网络

在感知机的基础上加入了非线性
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
基础激活函 数小总结

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

问答 浅层宽神经网络和深多隐藏层的区别

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

梯度下降

在这里插入图片描述

图中k为i？

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

偏置BP

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
问题：
在这里插入图片描述
案例
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

神经网络算法英语,神经语言学英语
aifans_bert的博客
10-22 643
机器学习(Machine Learning，ML)是人工智能的子领域，也是人工智能的核心。它囊括了几乎所有对世界影响最大的方法(包括深度学习)。机器学习理论主要是设计和分析一些让计算机可以自动学习的算法。深度学习(DeepLearning，DL)属于机器学习的子类。它的灵感来源于人类大脑的工作方式，是利用深度神经网络来解决特征表达的一种学习过程。深度神经网络本身并非是一个全新的概念，可理解为包含多个隐含层的神经网络结构。为了提高深层神经网络的训练效果，人们对神经元的连接方法以及激活函数等方面做出了调整。
深度学习入门-第3章-神经网络
hb_zxl的专栏
06-02 510
学习这一章，需要一个0-9的训练数据，一直下载失败。这几个地址试试可以下载。
Python深度学习--深度学习入门-神经网络中的正则化dropout正则化与早停止法
寒江之雪，披蓑独钓的博客
02-09 890
加入了 dropout 后，输入的特征都存在被随机清除的可能，所以该神经元不会再特别依赖于任何一个输入特征，也就是不会给任何一个输入特征设置太大的权重。通过传播过程，dropout 将产生和 L2 正则化相同的收缩权重的效果。对于不同的层，设置的keep_prob大小也不一致，神经元较少的层，会设keep_prob为 1.0，而神经元多的层则会设置比较小的keep_prob通常被使用在计算机视觉领域，图像拥有更多的特征，场景容易过拟合，效果被实验人员证明是很不错的。
深度学习实战1（基本概念、全连接神经网络、CNN）
灰太狼的小秘密
07-17 2995
一、复杂度与Big-O 标记 参考文献： 【1】C++11标准库第二版：https://blog.youkuaiyun.com/a123a55/article/details/109403182 【2】10篇必读深度图像修复文章，珍贵老照片有救了！：https://zhuanlan.zhihu.com/p/337095820 【3】AI深度学习修复老照片--教程：https://www.bilibili.com/video/av797567017 ...
学习笔记——神经网络与深度学习
qq_37151108的博客
03-21 4146
今天开始学习邱锡鹏老师的《机器学习与深度学习》 材料：电子版PDF+课件 主要当做学习笔记记录一下。 第一部分 机器学习基础 Chapter 1 绪论 1、为了学习一种好的标识，需要构建具有一定深度的模型，并通过学习算法让模型自动学习初更好的特征表示。 深度：指的是原始数据进行非线性特征转换的次数。 2、贡献度分配问题：即一个系统中不同的组件或参数读最终系统输出结果的贡献或影响。->强化学习...
计算机视觉（三）：神经网络最优化过程
GeniusAng的博客
10-10 853
神经网络最优化过程
[深度学习系列之一] C++ 实现神经网络
热门推荐
wutongthucs的专栏
09-13 2万+
百行C实现神经网络 介绍 训练程序的基本框架 Logistic Regression Model Vanilla Neural Network forward back propagation 基本程序库 实战数字识别 数据准备 mnist数字识别训练程序 logistic regression配置文件 运行命令 LR训练的结果 2个隐藏层的NN配置文件 运行命令 NN训练60多轮结果百行C++实现
第二周：神经网络的编程基础(Basics of Neural Network programming)
AI浩
03-23 727
第二周：神经网络的编程基础(Basics of Neural Network programming) 文章目录第二周：神经网络的编程基础(Basics of Neural Network programming)2.1 二分类(Binary Classification)2.2 逻辑回归(Logistic Regression)2.3 逻辑回归的代价函数（Logistic Regression Cost Function）2.4 梯度下降法（Gradient Descent）2.5 导数（Derivati
【因果推断python】47_元学习1
kaggle expert，全球排名前1000，清华计算机研究生，兴趣算法工程
06-21 1080
元学习器是一种利用现成的预测机器学习方法来解决我们迄今为止一直在研究的相同问题的简单方法：估计CATE。同样，它们都不是最好的，每一个都有自己的弱点。通常，你只需要尝试许多不同的东西，看看什么最有效。之前，我们看到了如何转换结果变量Y以便我们可以将其插入预测模型中，并获得条件平均治疗效果（CATE）估计。这在我们不能治疗所有人并且需要对治疗进行优先排序的情况下非常有用，例如，当你想提供折扣但预算有限时。简单回顾一下，我们现在感兴趣的是发现治疗效果的异质性，即确定单位对治疗的不同反应。
图像人工智能课程学习总结：Python基础与深度学习
Keras是一个开源的神经网络库，能够在Python中运行，提供了一个高级的API来构建和训练深度学习模型。它具有模块化、最小化和易于扩展的特点，特别适合快速实验。Keras可以运行在TensorFlow, Microsoft Cognitive ...
机器学习算法复习：Python Jupyter笔记本教程
- 反向传播算法：是一种在神经网络中应用广泛的算法，用于训练多层前馈神经网络。 3. 统计假设检验 - 统计假设检验是统计学中用于检验关于总体参数的假设是否成立的方法。它涉及建立假设、选择合适的检验统计量、...
YOLOv12_ultralytics-8.3.145_2025_5_27部分代码阅读笔记-autobackend.py
红色的山茶花's博客
06-30 225
【代码】YOLOv12_ultralytics-8.3.145部分代码阅读笔记-autobackend.py。
Jenkins Pipeline 与 Python 脚本之间使用环境变量通信
weixin_46903933的博客
06-25 816
本文介绍了Jenkins Pipeline与Python脚本通过环境变量通信的方法。在Jenkinsfile中，通过bat命令设置环境变量（如LATEST_LOG_DIR、BUILD_URL），这些变量可在同一会话的Python脚本中使用os.getenv()读取。文章提供了构造日志链接的示例代码，列出常用Jenkins环境变量，并附上完整流程图。调试建议包括在Jenkins和Python中打印环境变量，以及常见问题排查表（如变量获取失败原因）。该方法适用于构建日志链接并用于钉钉/邮件通知的场景。 （字数：
OpenGauss数据库-L.应用开发(Python)-选做
最新发布
lovane_630的博客
06-30 166
本文介绍了使用Python和Psycopg2操作PostgreSQL数据库的7个实战案例。内容包括：简单查询、用户验证、添加客户、银行卡销户、修改密码、事务转账和稀疏表转换。每个案例都展示了数据库连接、SQL操作和资源释放的完整流程，涉及增删改查、条件判断、事务处理等核心数据库操作。特别在第6关演示了转账事务的原子性实现，第7关实现了将稀疏表转为键值对的实用数据处理方法。这些案例从基础到进阶，覆盖了常见数据库操作场景。
Python爬虫网安-request+示例
lemo_qi的博客
06-29 330
Win64;
KNN算法（K近邻算法）
duftgiiok的博客
06-25 564
当k=3时，可以发现就是小圈的情况 找到最近的三个图形，两个正方形，一个圆形，那么此时星星就被划分到正方形的分类。knn（k近邻）算法就像它的名字一样，使用邻居而且是近的邻居来确定某个样本的类别，就好像物以类聚这种意思。当k=7的，找到最近的7个图形，有三个正方形，四个圆形，那么此时星星就被划分到圆形的类别。为了理解的更直观，观看下面的图片，模拟knn算法把中间的星星归类成正方形或则是圆形。
Java流式处理
阿呆的专栏
06-29 537
在 Java 中，没有直接类似 Python 生成器的语法，但可以通过迭代器（Iterator）和流式处理（如使用或 Reactive Streams）来实现类似生成器的功能。此外，也可以通过和线程的组合实现异步文件解压流。
视频跳帧播放器设计与实现
huanghm88的专栏
06-29 498
本文介绍了一个视频跳帧播放器的设计与实现方案。该播放器具备以下核心功能：视频文件加载与基本播放控制、设置跳帧区间（起始帧和结束帧）、自动跳过指定帧区间、可视化时间轴显示以及帧数跳转功能。系统采用Python开发，基于OpenCV和PyQt5框架，实现了一个包含视频显示区域、播放控制按钮、帧信息显示、跳帧区间设置模块、时间轴视图和跳帧区间列表的完整GUI界面。播放器支持添加多个跳帧区间，并在播放过程中自动跳过这些区间，同时提供帧精确跳转功能。界面采用深色主题设计，具有良好的用户体验。
Python 接口自动化测试项目
金玉满堂的博客
06-26 398
Python 接口自动化测试项目下面是一个基于 Python 的接口自动化测试项目框架，使用 pytest + requests + allure 报告体系。项目结构│├── config/ # 配置文件目录│ ├──.py│ ├── config.py # 基础配置│ └── env.py # 环境配置│。
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