开篇就要提到一个大的话题：编程范型。什么是编程范型？引用维基百科中的解释：编程范型或编程范式(英语：Programming paradigm)，(范即模范之意，范式即模式、方法)，是一类典型的编程风格，是指从事软件工程的一类典型的风格(可以对照方法学)。如：函数式编程、程序编程、面向对象编程、指令式编程等等为不同的编程范型。编程范型提供了(同时决定了)程序员对程序执行的看法。例如，在面向对象编程中
转载
2024-06-13 23:37:48
32阅读
MLP for MNIST 实验报告本实验尝试了多种超参数配置下的 MLP 在 MNIST 数据集上的效果，并尝试使用自动编码技机对输入进行预处理。本实验使用 Keras 编写神经网络代码，使用 tensorflow 作为 backend。数据集分割方面直接调用老师给的数据集获取函数，训练集被分割成 50000 规模的训练集和 10000 规模的验证集。多种超参数配置下 MLP 在 MNIST 上
转载
2024-01-08 19:29:15
50阅读
一、感知器学习规则 1、把权重初始化为0或者小的随机数 2、对每个训练样本x(i): a、计算输出值
转载
2023-11-01 15:18:22
102阅读
XML是一种用于存储和交换数据的标记语言。Python提供了多种库，可以用于解析XML文件。本指南将介绍三种最常用的解析库：xml.etree.ElementTree、xml.dom.minidom和lxml。xml.etree.ElementTreexml.etree.ElementTree是Python内置的库，用于解析XML文件并将其转换为Python对象。它使用DOM解析器，并且具有简单易
转载
2023-11-06 21:30:40
9阅读
Density estimation是learning中常见的一个task,即
转载
2023-06-30 22:36:41
324阅读
1 基本概念准备
转载
2024-01-16 15:59:34
34阅读
https://zhuanlan.zhihu.com/p/40024110 https://baike.baidu.com/item/%E8%B4%9D%E5%8F%B6%E6%96%AF%E6%B3%95%E5%88%99/8541594#5_2 online math website https
转载
2020-04-14 18:09:00
84阅读
2评论
极大似然估计（MLE）和极大后验估计（MAP）分别是频率学派和贝叶斯学派（统计学者分为两大学派，频率学派认为参数是非随机的，而贝叶斯学派认为参数也是随机变量）的参数估计方法，下面我们以线性回归分析为例，分别简要介绍MLE和MAP，两者的关系以及分别与最小二乘回归、正则化最小二乘回归分析的关系。（非常不专业和严谨，只希望通过最直接的方式帮助初学者理解这两种估计）。线性回归问题：给定观测数据(机器学习
转载
2023-07-05 21:30:42
131阅读
# 机器学习中的最大似然估计（MLE）
在机器学习的领域中，我们经常需要估计模型的参数，从而使模型在给定数据上的表现尽可能好。**最大似然估计（Maximum Likelihood Estimation, MLE）**是一种常用的参数估计方法，它通过选择能使观察到的数据出现概率最大的参数来进行估计。
## 最大似然估计的基本原理
最大似然估计的核心思想是，对于给定的数据集，选择一组参数，使得
# 如何实现 Python 多元高斯分布的最大似然估计（MLE）
## 引言
作为一名经验丰富的开发者，你经常会遇到需要实现多元高斯分布最大似然估计的情况。现在有一位刚入行的小白开发者向你求助，他不知道如何实现这个任务。在本文中，我将向你展示如何一步步实现 Python 多元高斯分布的最大似然估计。
## 整体流程
首先，让我们来看一下整个流程，我们可以使用以下表格来展示每个步骤：
| 步骤
原创
2024-04-06 04:05:13
165阅读
何为：最大似然估计（MLE）： 最大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。可以通过采样，获取部分数据，然后通过最大似然估计来获取已知模型的参数。 最大似然估计是一种统计方法，它用来求一个样本集的相关概率密度函数的参数。利用已知的样本结果，反推最有可能（最大概
转载
2018-01-14 19:31:00
560阅读
2评论
这是在python下，用Numpy手写的多层感知机神经网络，包括前向传播过程，后向传播过程，多种激活函数和多种损失函数。本代码所用的测试数据集为mnist，当使用MSE损失函数，Sigmoid激活函数时，我用numpy实现的神经网络和用pytorch实现的神经网络完全相同。 完整的实验报告及代码见github：点我跳转main.pyimport numpy as np
import random
转载
2024-01-20 02:04:16
62阅读
1.背景知识
在刚刚结束的天猫大数据s1比赛中，逻辑回归是大家都普遍使用且效果不错的一种算法。
（1）回归
先来说说什么是回归，比如说我们有两类数据，各有50十个点
map()函数python2中的map函数将一个function作用于sequence中每个元素身上，最后返回这个被function作用后的list。python3中的map函数：在python3中map被封装成了一个类，功能依旧是将function作用于要被遍历的序列，但是最后返回的结果就是一个对象了。 通过代码举一个将int转换为float的例子：if __name__ == '__main_
转载
2023-12-15 16:54:12
116阅读
代码逐句分析一、文章来源二、 关联模块与临床特征1.量化module-trait(模块-特征)关系2.网络可视化 一、文章来源初学WGCNA，觉得博主的代码写的很不错，但其中很多代码在第一遍看的时候有很多地方不理解，后查阅了很多资料，终于看明白了，于是写了一篇笔记，记录自己的学习心得，有不准确的地方，还望各位大佬们不吝赐教~ 二、 关联模块与临床特征1.量化module-trait(模块-特征)
转载
2023-08-25 16:44:53
128阅读
A distributional perspective on reinforcement learningabstract1.Introduction2.setting2.1. Bellman's Equations3.The Distributional Bellman Operators3.1 Distributional Equations3.2. The Wasserstein Met
转载
2024-06-25 18:57:44
45阅读
一、程序的三大流程内容:顺序、分支、循环二、python中的循环语句1.应用的场景:多用于重复同样的操作2.while循环[1]语法:while 循环条件:
代码块
计数器计数器: 用于统计循环次数的一个变量,功能退出循环; 以防陷入死循环[2]例子:num = input("请输入您让'hello world'输出多少次:")
i = 0
while i < int(num):
转载
2023-07-28 16:57:17
150阅读
目标检测是计算机视觉领域中的一项重要任务，其核心在于识别和定位图像中的目标。mAP（mean Average Precision）是评估目标检测模型性能的重要指标，它综合考虑了不同类别的精确度和召回率。在这篇博文中，我们将深入了解如何使用 Python 实现目标检测的 mAP 计算，涵盖技术原理、代码示例及案例分析等方面。
### 背景描述
近年来，目标检测的研究蓬勃发展，特别是深度学习的引入
# 分类指标 mAP 的深度解析及 Python 实现
在机器学习和深度学习的领域，分类能力的评估是至关重要的。而在多个类别的任务中，如何综合评估模型的效果，这就需要引入一些专业术语和指标。`mAP`（mean Average Precision）是多类别分类中一种常用的评估指标，它在信息检索和物体检测任务中广泛使用。本文将深入探讨 mAP 的概念，以及如何使用 Python 代码实现这一指标的
一、IOU的概念交集和并集的比例（所谓的交集和并集，都是预测框和实际框的集合关系）。如图：二、Precision（准确率）和Recall（召回率）的概念对于二分类问题，可将样例根据其真实类别和预测类别组合划分为真正例（true positive）、假正例（false positive）、真反例（true negative）、假反例（false negative）记为TP、FP、TN、FN，显然有T
转载
2024-09-29 11:24:08
49阅读
