以下学习笔记与原链接的不同之处在于：对原链接内容进行了增删，删去了一些题外话，增加了对一些重要概念的详细解释；对一些函数的各个参数进行了详细说明；对源代码增加了更加详细的注释，确保小白也能完全看懂；对有bug的代码进行了修复；增补了原链接中缺失的数据文件logistic_ex1.xlsx。1.一元回归 （1）一元线性回归[ 例1 ] 近 10 年来，某市社会商品零
转载
2024-04-19 13:24:42
180阅读
序列模型文本预处理序列模型的核心其实就是去预测带时间序列的任务场景神经网络可以解决大部分问题；因为其能够学习到很多线性的和非线性的知识时间序列任务场景：一、语音识别； 二、生成一段音乐； 三、情感分析；四、**轨迹预测（**网格与网格之间是有联系的；只有将它们联系起来才能成为一条轨迹）时间序列：特点；前后关联强，“前因后果”（后面产生的结果，依赖前面产生的结果）标准神经网络建模的弊端弊端～ 针对位
转载
2024-03-08 07:19:34
105阅读
KNN最近邻法实现回归预测的基本思想：****根据前3个特征属性，寻找最近的k个邻居，然后再根据k个邻居的第4个特征属性，去预测当前样本的第4个特征属性（花瓣宽度）import numpy as np
import pandas as pd
data = pd.read_csv('Iris.csv',header = 0)
data.drop(['Id','Species'],axis = 1,
转载
2024-03-29 13:31:05
49阅读
一，背景与目标： 随着测序技术的快速发展，GenBank等数据库中存储了大量基因、蛋白序列信息，其中大部分尚无标注，如何充分利用GenBank等数据库现有数据资源，挖掘数据信息，为精准医疗、药物研发等生物大健康领域提供有价值的信息具有重要意义。目前这方面已有BLAST等生物信息技术可用，这里希望尝试机器学习技术在这方面的应用。 二，数据清洗与处理 数据来源于Kaggle竞赛（https://www
RNN学习记录——预测代码实现RNN预测连续字符RNN预测股票 RNN预测连续字符abcd->e bcde->fimport numpy as np
import tensorflow as tf
from tensorflow.keras.layers import Dense, SimpleRNN, Embedding
import matplotlib.pyplot as pl
转载
2024-03-01 21:09:08
82阅读
说明：本博文假设你已经做好了自己的数据集，该数据集格式和VOC2007相同。下面是训练前的一些修改。（做数据集的过程可以看） Faster-RCNN源码下载地址：Matlab版本：https://github.com/ShaoqingRen/faster_rcnnPython版本:https://github.com/rbgirshick/py-faster-rcnn本文用到的是Matl
转载
2024-04-25 12:10:50
87阅读
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。?个人主页：Matlab科研工作室?个人信条：格物致知。
原创
2023-04-08 15:10:24
183阅读
4.1 一元回归分析
4.1.1
回归方程的计算
在高等数学中，研究函数两个变量的关系，它们是确定的关系，当自变量取定后，随之唯一确定。现实中，两个变量与经常有相关关系。例4.1 研究化肥用量与小麦产量之间的关系，试种7块，每块一亩，得到实验数据（单位kg）：
化肥用量：15, 20, 25, 30, 35, 40, 45小麦产量：330, 345, 365, 405
一、加载相关库import numpy as np
import pandas as pd 二、数据预处理data = pd.read_csv(r"Iris.csv")
# 删除不需要的ID与Species列（特征）。因为现在进行回归预测，类别信息就没有用处了。
data.drop(["Id", "Species"], axis=1, inplace=True)
# 删除重复的记录
da
转载
2024-02-29 16:58:26
50阅读
写在前面：最近在学习Faster-rcnn，在阅读论文和代码的过程中花了许多功夫，以此来记录自己之前觉得困惑的一些地方。 论文传送门：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 代码地址：link1 理论讲解：link2 代码讲解：link3 （非常感谢这个up主的无私讲解以及他分享的
转载
2024-09-29 07:20:01
89阅读
1. 写在前面今天分享的这篇文章是2017年发表在Nips上的一篇文章，来自于清华的团队。是论文阅读系列的第二篇文章，这篇文章是在ConvLSTM的基础上进行改进的一个版本，所以如果想学习这篇文章，需要先搞懂ConvLSTM的工作原理，可以参考这篇博客：时空序列预测之Convolutional LSTM Network，这是时空序列学习很重要的一种结构，但是存在的问题就是像本篇论文提到的：记忆状态
转载
2024-04-02 11:01:22
175阅读
简介回归分析（regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。LIBSVM可以用于解决分类和回归问题，上一篇博文中介绍了分类问题。在这里将对回归问题结合实例运用LIBSVM。回归分析按照涉及的变量的多少，分为一元回归和多元回归分析。这篇博文对于一元回归和多元回归，基于LIBSVM分别用两个例子进行讲解。回归问题回归问题与分类问题不同，但问题本
转载
2024-03-26 07:45:39
30阅读
由于是刚开始接触ML和MATLAB，所以记录一些比较简单的笔记。
个人实验中未使用MATLAB，而是使用了Octave作为替代，区别只是把函数结束的end改成endfunction即可，其他部分和matlab保持一致。
文中主要框架内容参考
第一部分：基本模型
在解决拟合问题的解决之前，我们首先回忆一下线性回归基本模型。
设待拟合参数 θn*1 和输入参数[
xm*n, ym*1] 。
对于各类
锂离子电池（简称锂电池）以其能量密度高、功率大和自放电率低等优势而广泛应用于储能领域。 然而，锂离子电池在长时间使用中会发生性能和寿命的衰减，且成组电池中个别电芯性能的衰减极易导致严重安全隐患，这已成为锂电池安全性与可靠性的持续挑战。因此，准确预测锂电池剩余使用寿命 （Remaining Useful Life，RUL）对完善电池管理策略，降低电池运行风险、提高电池运行稳定性具有重要的意义。在过去
感谢阅读RNN简介传统RNN内部结构过程演示内部计算公式RNN輸出激活函数tanhPytorch构建传统RNN梯度计算LSTM介绍遗忘门结构分析：输入门结构分析:细胞状态更新分析:输出门结构分析:结构图梯度公式现实生活列子加强理解代码示例GRU介绍结构图个人对GRU的理解LSTM难以比拟的两个地方RNN示例（人名分类问题）案例介绍数据集下载与解释导包查看常用字符数量构建国家名字，并获取国家数量读
转载
2024-03-25 18:30:40
66阅读
基于KNN 算法，实现对于鸢尾花第四个数据的预测原理该算法用于回归预测，根据前三个特征属性，寻找最近的k个邻居，然后再根据k个邻居的第4个特征属性，去预测当前样本的第4个特征值数据集的准备和处理删除数据中不需要的类别列和重复的数据data = pd.read_csv(r"iris.arff.csv", header=0)
#删除不需要class列（特征）, 因为进行回归预测 ，类别信息，没有用处了
转载
2024-02-28 19:33:12
65阅读
问题陈述目标是通过使用线性回归技术进行统计推断预测，使用来自论文“(1977) Narula and Wellington, Prediction, Linear Regression and the Minimum Sum of Relative Errors, Technometrics””的数据。这个数据集为每个待预测变量(有11个不同的待预测变量)和响应变量给出了28个数据。数据见表1：表
转载
2024-04-01 06:48:52
350阅读
✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。?个人主页：Matlab科研工作室?个人信条：格物致知。更多Matlab仿真内容点击?智能优化算法 神经网络预测 雷达通信 无线传感器 &
原创
2023-06-12 22:45:47
69阅读
matlab深度学习之LSTM利用历史序列进行预测clc
clear
%% 加载示例数据。
%chickenpox_dataset 包含一个时序，其时间步对应于月份，值对应于病例数。
%输出是一个元胞数组，其中每个元素均为单一时间步。将数据重构为行向量。
data = chickenpox_dataset;
data = [data{:}];
figure
plot(data)
xl
转载
2024-08-09 00:08:42
227阅读
基于matlab的svm入门编程虽然比较简单，但我也走了不少弯路，下面我就给大家分享关于我的经验。 在讲解之前，我们需要知道基于matlab进行svm有两种方法，第一，采用matlab本身自带的svm工具箱；第二，采用台湾大学林智仁教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的工具箱。以我的个人经验，采用matlab本身自带的工具箱会比较简单，可以省去很多麻烦，但同时它本身能
转载
2024-03-25 17:40:52
261阅读
