李宏毅机器学习 Week2

最新推荐文章于 2024-09-15 18:44:18 发布
原创 最新推荐文章于 2024-09-15 18:44:18 发布 · 215 阅读 · 0 ·
CC 4.0 BY-SA版权
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。

博客围绕李宏毅机器学习 Week2展开，但具体内容缺失，推测应包含该周机器学习相关的知识要点、算法讲解等信息技术领域关键信息。

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

李宏毅机器学习作业二
qq_37195826的博客
09-01 951
前言 第二个作业是年收入判断，任务是做一个线性二元分类器，根据人们的个人资料来判断其年收入是否高于50000美元。这里用了逻辑回归和概率生成模型两种方法。 数据集有X_train,Y_train,X_test三个文件。这三个文件是老师事先帮我们将数据整理成csv格式并且全都是数字的数据。 X_train、 X_test ：每一行包含一个510-dim的特征，代表一个样本。 Y_train: label = 0 表示 "<=50K" 、 label = 1 表示 " >50..
Datawhale第7期-《李宏毅机器学习》作业（二）
qq_39446239的博客
05-17 745
文章目录理解偏差和方差误差为什么是由偏差和方差组成，推导相关公式误差、偏差与方差的实际意义过拟合、欠拟合分别对应bias和variance什么情况利用bias和variance分析模型拟合状态redesign 模型交叉验证N-fold 交叉验证梯度下降1.调整学习率AdagradAdagrad进一步解释2.随机梯度下降法Batch与Mini-Batch，SGD梯度下降的区别学习归一化学习回归模型评...
李宏毅2021年机器学习作业2（classification）实验记录
上海交通大学电院毕业，现互联网大厂开发工程师
11-15 2735
李宏毅2021年机器学习作业2学习笔记前言一、问题描述二、实验过程2.1 跑助教提供的baseline2.2 修改激活函数2.3 Normalization2.4 Drop out2.5 提高epoch2.6 weight_decay2.7 在2.5的基础上继续提升epoch到120 前言 声明：本文参考了李宏毅机器学习2021年作业例程，开发平台是kaggle notebook。 一、问题描述 实质是一个多分类问题。 B站作业讲解视频 Kaggle地址 我们可以借助于深度学习的框架（例如：Tenso
李宏毅机器学习_作业2
qq_15821487的博客
06-13 494
决策树的有监督体现在分类过程，选择特征属性的过程，每一次都选择信息增益最大的属性开进行分类。属性它有特定的实际值。
李宏毅 机器学习 作业二
hello world
04-14 1120
资料： 作业：https://blog.youkuaiyun.com/iteapoy/article/details/105477848 作业要求 二元分类是机器学习中最基础的问题之一。在本次作业中，需要写一个线性二元分类器，根据人们的个人信息，判断其年收入是否高于 50,000 美元。作业将用 logistic regression 与 generative model两种模型来实现目标，模型差异可见李宏毅老师的课程视频与ppt。 ...
第二周：李宏毅机器学习
最新发布
m0_59510256的博客
09-15 958
本周以宝可梦为例，学习了回归和分类两大任务的步骤。在预测宝可梦CP值的线性回归任务中，学习了改进模型的常用方法，并学会了用正则化的方法来解决模型过拟合问题；在概率生成模型中，学习了高斯分布和极大似然估计在模型中的应用；在逻辑回归模型中，学习了一种新的损失函数：交叉熵。将逻辑回归与线性回归进行了比较，并对比了均方差和交叉熵，又将概率生成模型和逻辑回归模型进行了对比，分析了各自优势场景。最后，学习了多分类和Softmax的应用，并学习了用特征转换和连接多个逻辑回归的方法来解决逻辑回归的局限性问题。
【第九周】李宏毅机器学习笔记07：Transformer
qq_30043925的博客
08-25 2515
这周主要了解了 transformer 中的 encoder 和 decoder 的结构和实现原理。在 decoder 中学习了两种解码的方法，一种是 AT （Autoregressive Transformer） ，另一种是NAT（Non-Autoregressive Transformer）。其中，AT生成序列质量高但速度较慢，而NAT则以牺牲部分质量换取更快的生成速度。最后还学习了如何训练 transformer 以及训练中的小 tips。
【第三周】李宏毅机器学习笔记03
qq_30043925的博客
07-14 922
这周学习了机器学习的任务攻略。在机器学习中我们通过损失函数的值来判断模型性能的好坏。当训练中的loss值达不到我们理想的结果时我们需要分析loss值过高的原因，有可能是model bias也有可能是optimization。当我们在训练集中的loss取得很好的结果之后就要去观察测试集上的loss。测试集上loss过大则可能产生过拟合，如何解决过拟合也是本周需要学习的内容。此外还学到了一种模型评估办法——K折交叉验证法。本文还介绍了局部最小点和鞍点，对判断局部最小点和鞍点的方法进行了手写推导。
【第七周】李宏毅机器学习笔记05：自注意力机制
qq_30043925的博客
08-11 1038
本周学习了自注意力机制，了解了Self-attention的组成结构和有关参数α的计算方法，并且运用了线性代数的方法手动推导了求解输出矩阵的矩阵乘法表示方式，将复杂的问题简单化，更加深入理解了Self-attention的具体机制以及运用方法，最后也将Self-attention与CNN和RNN网络做对比，学习不同方法的优缺点。在师兄的建议下了解了空洞卷积和转置卷积的概念，对部分内容进行了笔算，加深了我对卷积运算的印象。本周进行了理论内容的学习，了解了自注意力机制。
李宏毅的机器学习作业3
qq_45878378的博客
08-19 1850
李宏毅的机器学习作业3作业要求数据处理模型搭建 作业所需数据 akti 作业参考答案 作业要求 本次作业是一个图像识别任务，要将所给的食物图片分类，共有十一种，图片对应的食物编号在图片名字的前缀上。本此作业需要用到的是卷积神经网络cnn，以pytorch实现,由于任务较简单，所以使用的网络结构并不复杂。 数据处理 先总结一下对数据的处理步骤。 读取文件，提取标签 def readfile(path, label): # label 是一個 boolean variable，代表需不需要回傳 y 值
李宏毅2020机器学习作业2——Classification
01-21
开始之前声明：本文参考了李宏毅机器学习作业说明（需翻墙），基本上是将代码复现了一遍，说明中用的是google colab（由谷歌提供的免费的云平台），我用的是Jupyter Notebook 本文用到的资料在百度网盘自取点击下载，提取码：zdth。请将所需资料下载解压，确保资料中有6个文件，并保存到自己的目录当中。 【博主的环境：Anaconda3+Jupyter Notebook，python3.6.8】 作业要求：根据收集来的资料，判断每个人其年收入是否高于50000美元，用Logistic regression和Generative model两种方法来实现 1.Logistic
李宏毅机器学习作业
01-18
李宏毅机器学习作业，文档文件，笔记全面，总结充分，仅供学习
李宏毅 机器学习 课程作业代码
08-17
李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码李宏毅 机器学习 课程作业代码
Logistic回归——李宏毅机器学习作业二
weixin_45898104的博客
04-02 358
一，数据预处理 （1）将所有空值填充成0。 （2）由于倒数第一列和第二列的值相较于其他数值过大，所有除去他们自身的平均数使其拉回到相同的scale。 （3）将第2列到第58列作为feature_x，将第59列作为label_y。 将前3500作为训练集x_train(3500×57)、y_train(3500×1)；后500作为验证集x_val(500×57)、y_val(500×1)。 （4）代...
回归演示----台大李宏毅机器学习作业2
chen_zan_yu_的博客
04-01 434
你过来呀~~ 回归演示： 现在假设有10个x_data和y_data，x和y之间的关系是y_data=b+w*x_data。 b，w都是参数，是需要学习出来的。现在我们来练习用梯度下降找到b和w。 import numpy as np import matplotlib.pyplot as plt from pylab import mpl # matplotlib没有中文字体，动态解...
机器学习测试Week2_octive_usage
wangcong02345的专栏
01-10 1121
Week 2 | octive的安装及使用 一. 源码安装octive 环境: ubuntu 16.04 x64 最终的解决方法,可直接看 下方1.3 1.1 直接用apt-get 安装版本不对 cong@msi:~$ sudo apt-get install octave cong@msi:~$ octave-cli GNU Octave, version
【飞桨】【李宏毅机器学习训练营】作业二（年收入判断）分析
qq_37279375的博客
04-21 554
# 飞桨 #paddlepaddle #李宏毅机器学习特训营 课程链接：https://aistudio.baidu.com/aistudio/course/introduce/1978 作业二（年收入判断）分析：包括写代码规范和二分类logistic regression，概率生成模型的原理分析，损失函数等。 （小声BB：因为不会，所以一边写一边研究，主要抠细节） 作业的题目要求： 项目描述：二元分类是机器学习中最基础的问题之一，在这份教学中，你将学会如何实作一个线性...
【李宏毅机器学习HW2】
detemination_的博客
10-07 5852
这篇文章是关于李宏毅机器学习2022年版第二次作业的一些想法，记录自己的学习历程，主要参考内容附在文末。HW2作业任务：这次作业来自于语音辨识的一部分，他需要我们根据已有音频材料预测音位，而数据预处理部分是：从原始波形中提取mfcc特征（已经由助教完成了），然后我们则需要以此分类：即使用预先提取的mfcc特征进行帧级音素分类。音位分类预测（Phoneme classification）是通过语音数据，预测音位。
李宏毅机器学习第二次学习笔记
m0_51426620的博客
06-03 1356
在上周的学习中主要学习了机器学习的相关概念与机器学习的学习过程，包含三个步骤：定义一个函数、定义损失函数、最优化。但如果需要达到更加优秀的结果则需要寻找一个更优的损失函数，在经过一系列过程之后得到了一个更加强大的 Loss 函式 Sigmoid Function。当有多个Feature，时，就需要做一些变化，例如用 j 来代表 Feature 的编号，下面将详细介绍该过程，并将本周学习内容一起撰写如下。
李宏毅机器学习课程作业全面解析
综上所述，这份“李宏毅机器学习作业”文档不仅提供了一个学习机器学习的良好起点，而且强调了学术诚信和实际应用的重要性。通过全面的学习和实践，学生可以获得宝贵的技能和经验，为将来的学术研究或职业道路打下...
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