wryshj的博客

原创 随机梯度下降算法作业

这里先画出100个测试数据和它的初始预测曲线，由图可看出，测试数据的拟合曲线更像是一条正比例函数这里一开始姑且将预测曲线设置为y = w * x ， w的初始值为0.1下面开始随机梯度下降算法，随机梯度下降区别于传统梯度下降表现在，一次训练过程只从这100个数据中随机抽取一个数据进行梯度下降，代码实现如下：import randomimport datasetimport matplotlib.pyplot as pltxs, ys = dataset.get_beans(..

原创 LDA算法推导

原创 决策树（西瓜书公式推导）

见上图西瓜数据集2.0，推导过程如下

原创 paddlepaddle强化学习作业

import gym, osfrom itertools import countimport paddleimport paddle.nn as nnimport paddle.optimizer as optimimport paddle.nn.functional as Ffrom paddle.distribution import Categoricaldevice = paddle.get_device()env = gym.make("CartPole-v0") ### .

原创 paddlepaddle手写体输入识别作业

训练代码import paddlefrom paddle.nn import Linearimport paddle.nn.functional as Fimport osimport numpy as npimport matplotlib.pyplot as plt# 设置数据读取器，API自动读取MNIST数据训练集train_dataset = paddle.vision.datasets.MNIST(mode='train')train_data0 = np.arra.

原创 paddlepaddle卷积神经网络作业

import paddleimport paddle.nn.functional as Ffrom paddle.vision.transforms import ToTensorimport numpy as npimport matplotlib.pyplot as pltprint(paddle.__version__)transform = ToTensor()cifar10_train = paddle.vision.datasets.Cifar10(mode='train',t.

原创 隐马尔科夫算法作业

运行截图代码如下# 定义第一天的初始概率start_probability = {'Rainy': 0.6, 'Sunny': 0.4}# 定义天气转化的概率transition_probability = { 'Rainy': {'Rainy': 0.7, 'Sunny': 0.3}, 'Sunny': {'Rainy': 0.4, 'Sunny': 0.6},}# 定义在不同天气下进行不同工作的概率emission_probability = { ..

原创 改进版欧拉算法（作业5）

先上运行结果这是代码import numpy as npimport matplotlib.pyplot as pltcount = 80x0 = 0y0 = 1xx = np.random.rand(count)yy = np.random.rand(count)# 定义步长h = 1 / countfor i in range(0, count): # 预报值 y1 = (1.1 * y0) - 0.2 * x0 / y0 x1 =...

原创 神经网络前向传播和反向传播算法（作业4）

前向传播推导过程

原创 机器学习感知器（作业3）

import matplotlib.pyplot as pltimport numpy as npxs = np.array([0, 0, 1, 1])ys = np.array([0, 1, 0, 1])zs = np.array([0, 0, 0, 1])w1 = 0.1w2 = 0.1z = w1 * xs + w2 * ysa = 1 / (1 + np.exp(-z))for _ in range(10): for i in range(4): x .

原创 梯度下降算法（作业2）

import numpy as npxs = np.array([[2104, 3], [1600, 3], [2400, 3], [1416, 2], [3000, 4]])zs = np.array([400, 330, 369, 232, 540])alpha = 0.1ct0 = np.random.random()ct1 = np.random.random()ct2 = np.random.random()theta = np.array([ct1, ct2])eps =.

转载 numpy中简单且实用的操作（作业1）

numpy基本加减和取行操作import numpy as npa = np.array([1, 1, 1, 1])b = np.array([[1], [1], [1], [1]])print(a + b)print("#########")c = np.array([1, 1, 1, 1])print(c+b)# array([[2,2,2,2],# [2,2,2,2],# [2,2,2,2],# [2,2,2,2]])print.