常见的机器学习监督式的学习任务包括回归任务和分类任务。这个部分来说明一下分类算法。本质给定一个对象X，将其划分到预定义好的某一个类别Yi中的算法。比如经典的mnist数据，将手写数字分类成不同的数字。首先来说明二元分类器二元分类器简单来说，二元分类器就是将事情分成是与非。接上面的例子，比如判断一个数字5，在二元分类器中就是用来分成两个类别：5or非5。此时随机梯度是一个很好的选择(SGD)。因为S
转载
2023-12-02 16:01:10
59阅读
二元分类的效果评估方法有很多，常见的包括预测模型中使用的准确率（accuracy），精确率（precision）和召回率（recall）三项指标，以及综合评价指标（F1 measure）， ROC AU值（Receiver Operating Characteristic ROC，Area Under Curve，AUC）。这些指标评价的样本分类是真阳性（true positives），真阴性（t
转载
2023-11-06 19:33:28
61阅读
神经网络总结一、是什么 神经网络是一种模仿生物神经网络的结构和功能的数学模型或计算模型，用于对函数惊醒估计或近似。神经网络中最基本的成分是神经元模型，神经元即受到来自n个其他神经元传递过来的输入信号，这些输入信号根据不同权重进行信号求和并与神经元的阈值进行比较，通过激活函数处理产生神经元的输出。神经网络主要有输入层、隐藏层、输出层构成，只有一层隐藏层的是两层神经网络。其中输入层的每个神经元代表一个
转载
2023-09-11 11:04:02
155阅读
机器学习是一个比较广阔的知识领域，涉及到很多数学统计和计算机的相关知识。 要想深入了解，需要系统学习和大量的时间。 但是如果我们很清楚地知道机器学习如果用一句话来概括就是:通过大量的训练，使得机器把输入的数据整理出有用的知识输出，这种输出或者是分类或者是回归。分类问题是要预测类别，回归问题是要预测值。如下图，训练数据集输入给训练模型，模型达到一定的准确率后，可以进行测试，把测试数据输入给模型，得到
转载
2023-12-14 21:41:48
28阅读
本节从神经网络的发展着手，依次介绍激活函数、前向算法、损失函数、反向传播算法以及PyTorch中的数据处理，最后使用PyTorch解决一个iris数据集上的多分类问题。通过本节的学习，我们将对整个神经网络的流程有一个比较全面的认识。1.神经元与神经网络神经元最早是生物学上的概念，它是人脑中的最基本单元。人脑中含有大量的神经元，米粒大小的脑组织中就包含超过10000个神经元，不同的神经元之间相互连接
转载
2023-10-24 17:55:52
21阅读
首先是大名鼎鼎的regressregress（Y,X,alpha）其中alpha可省略，省略时为0.05.简单来说，这里的y指的就是对应的函数值,注意是列向量（如果是行向量要转置),x是自变量的取值（每一列为一组），注意因为考虑常数项，所以要在原x前加上一列全为1举个简单的例子:m=[234 237 239 280 290]
x=[3.13 3.15 3.18 3.19 3.23]
y=[87.5
转载
2023-12-12 19:04:42
482阅读
先给出代码：import numpy as np
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import pyplot as plt
from datetime import datetime
t0 = datetime.now()
# 实数范围内非负数有偶次方根，任何实数有奇次方根；但python中负数没有奇次方
转载
2024-04-10 14:35:33
72阅读
文章目录1.二元分类(Binary classification)1.1 逻辑回归的假设函数(Hypothesis function)1.1.1 假设函数的推导1.1.2 对假设函数输出的解释1.1.3 决策边界(Decision boundary)1.2 逻辑回归的代价函数(Cost function)1.2.1 回顾线性回归的代价函数1.2.2 基于单训练样本的逻辑回归代价函数1.2.3 逻
转载
2023-11-28 11:04:24
868阅读
语言模型马尔可夫链与二元语法n元语法数据稀疏与平滑策略二元语法与词典分词比较 语言模型语言模型 指的是对语言现象的数学抽象。即给定一个句子 w，语言模型就是计算句子的出现概率 p(w) 的模型，而统计的对象就是人工标注而成的语料库。数据稀疏 ：p(w) 的计算非常难，句子数量无穷无尽。即便是大型语料库，也只能“枚举”有限的数百万个句子。实际遇到的句子大部分都在语料库之外，意味着它们的概率都被当作
转载
2024-01-29 00:41:01
43阅读
神经网络基础知识及模型优化（二）前言一、正则化1.过拟合2.权值衰减3.Dropout4.为什么正则化有利于预防过拟合呢？二、超参数的验证1.验证数据2.超参数的最优化3.为超参数选择合适的范围三、偏差和方差参考文献总结 前言接着上一章介绍了参数的更新方法，权重的初始化方法以及Batch Normalization后，这一章将对正则化、超参数验证等进行简单的描述。一、正则化1.过拟合在机器学习中
转载
2023-09-22 17:48:29
110阅读
摘要： 理解视频中的人体行为在视频监控、自动驾驶以及安全保障等领域有着广泛的应用前景。目前视频中的人体行为分类研究是对分割好的视频片段进行单人的行为分类。对视频中的人体行为分类研究已经从最初的几种简单人体动作到几乎包含所有日常生活的几百类行为。近些年来基于RGB视频数据的先进深度行为分类模型可以分为三类：基于双流架构的、基于循环神经网络RNN的和基于3D卷积神经网络的。本文将详细介绍前两
转载
2023-11-28 13:00:22
61阅读
**神经网络，是模拟生物神经网络进行信息处理的一种数学模型。**它以对大脑的生理研究成果为基础，其目的在于模拟大脑的某些机理与机制，实现一些特定的功能。神经网络是目前最火的研究方向深度学习的基础，本文将神经网络分成三个主要类别，并详细介绍了每个类别的主要神经网络模型，读完本文你将能迅速掌握常用的经典神经网络模型，属于深度学习的基础入门篇。一般来说，**神经网络可以分为三种主要类型：前馈神经网络、反
转载
2023-11-12 17:35:15
175阅读
各位同学好，今天和大家分享一下TensorFlow2.0中如何构建卷积神经网络ResNet-50，案例内容：现在收集了10位艺术大师的画作，采用卷积神经网络判断某一幅画是哪位大师画的。提取码： 2h5x1. 数据加载在文件夹中将图片按照训练集、验证集、测试集划分好之后，使用tf.keras.preprocessing.image_dataset_from_directory()从文件夹中读取数据。
转载
2023-11-24 07:58:19
54阅读
MATLAB拟合曲线的方法有很多，针对不同的函数类型应选用合适的拟合方法。 按照拟合方法来进行划分，一般可将待拟合的函数分为曲线/曲面拟合与多元函数拟合。曲线/曲面拟合cftool工具箱使用曲线曲面拟合多是基于cftool拟合工具箱使用，使用非常方便，但只能对拟合一元、二元函数（当然，可以通过适当的变换对函数进行处理，使其能够在cftool中进行处理）。cftool工具一方面可以在MATLAB的A
转载
2023-11-11 19:46:24
537阅读
Lecture 3：Types of Learning（各种类型的机器学习问题）3.1 Learning with Different Output Space（不同类型的输出空间）用患者患病的例子讲述二元分类、多元分类和回归分析的差别。1. binaryclassification（二元分类问题）银行发信用卡问题就是一个典型的二元分类问题，其输出空间只包含两个标记+1和-1，分别对应着发卡与不发
转载
2024-07-29 22:25:34
23阅读
1.Learning with Different Output Space上节课主要讲的是二元分类问题（Binary Classification）：输出结果为{-1，+1}，二元分类问题在生活中十分常见，例如是否同意信用卡申请，判别邮件是否为垃圾邮件等。二元分类问题是机器学习领域非常基本核心的问题。第一张图是我们之前学习过的线性可分的二元分类问题，可以运用PLA算法求解；第二张图也是我们学习过
转载
2024-06-29 07:52:24
82阅读
# 神经网络分类模型
神经网络是一种模仿人类神经系统构造的人工智能模型。它由多个神经元组成的层级结构，每个神经元通过输入信号的加权和进行激活，传递给下一层的神经元。神经网络模型可以用于各种机器学习任务，包括分类、回归和聚类等。
本文将重点介绍神经网络在分类任务中的应用，并提供一个简单的代码示例。我们将使用Python编程语言和Keras库来构建一个简单的神经网络分类模型。
## 数据集
首
原创
2023-07-19 19:21:23
810阅读
目录 1.卷积神经网络解决的问题2.经典的卷积神经网络2.1 LeNet2.2 AlexNet2.3 VGG2.3.1 VGG块2.3.2 VGG网络2.4 NiN2.4.1 Nin块2.4.2 Nin网络2.5 GooLeNet2.5.1 Inception块2.5.2 GoogLeNet网络2.6 ResNet2.6.1 残差块2.6.2 残差网络2.7 DenseNet1.卷积神经
转载
2023-11-12 08:19:49
98阅读
有许多不同的卷积神经网络 (CNN) 模型用于图像分类（VGG、ResNet、DenseNet、MobileNet 等）。它们都提供不同的精度。与包含在集成网络中的任何单个模型的准确性相比，多个 CNN 模型的集成可以显着提高我们预测的准确性。 如果我们有三种不同的图像分类模型，它们分别提供例如 81%、83% 和 85% 的准确率，那么这三个模型的集成可以提供例如 87% 的准确率，这是一个相当
转载
2024-01-01 13:13:31
107阅读
【火炉炼AI】机器学习008-简单线性分类器解决二分类问题(本文所使用的Python库和版本号: Python 3.5, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 )分类问题，就是将数据点按照不同的类别区分开来，所谓人以类聚，物以群分，就是这个道理。以前的【机器学习001-007】都是讲解的回归问题，两者的不同之处在于：回归输出的结果是实数，并且一
转载
2024-01-02 16:20:24
0阅读
