为了账号安全,请及时绑定邮箱和手机立即绑定

【九月打卡】第21天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:11-1;11-2;11-3;11-4 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 SVM中使用多项式特征 第二部分 使用多项式核函数的SVM 第三部分 SVM思想解决回归问题 ②课程详细 <hr/> 第一部分 SVM中使用多项式特征 导入函数 import numpy as np import matplotlib.pyplot as plt 创建X,y from sklearn import datasets X, y = datasets.make_moons()...

3129浏览
0推荐
0评论

【九月打卡】第20天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:10-1;10-2 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 SVM介绍 第二部分 SVM实现 ②课程详细 <hr/> 第一部分 SVM介绍 对于 SVM 而言,就是要找到中间的那根线,他相当于是那个最优的决策边界,这个决策边界距离两个类别的最近样本最远。对于这些最近的样本,被称为“支撑向量”。界定这个区域的两根直线的距离,通常我们称为是“margin”。SVM 要做的事情就是最大化 margin。

3326浏览
1推荐
0评论

【九月打卡】第19天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:10-2;10-3;10-4 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 精准率和召回率 第二部分 实现混淆矩阵,精准率和召回率 第三部分 实现F1 score 第四部分 ②课程详细 <hr/> 第一部分 精准率和召回率 有时候数据极端的话,对于分类问题的分类情况很糟糕,很难衡量,比如癌症病人10000个人里有一个,我只要是算法恒等于1,就能拿到99.99%的准确率,但却并不可信,这时候就要引入精准

3313浏览
1推荐
0评论

【九月打卡】第18天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:9-8;9-9 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 OVR实现原理 第二部分 OvO实现原理 第三部分 第四部分 ②课程详细 <hr/> OvR,OvO 逻辑回归只可以解决二分类问题,这里就如何将二分类变成多分类 OvR ONE VS REST一对剩余 OvO ONE VS ONE 一对一 第一部分 OVR实现原理 数据准备 训练数据 选取9个小球,X=9 共有三种颜色,红黄蓝,y = 3红 or 3黄 or 3蓝

3398浏览
1推荐
0评论

【九月打卡】第17天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:9-5 ; 9-6 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 逻辑回归添加多项式 第二部分 逻辑回归添加正则化 ②课程详细 <hr/> 第一部分 逻辑回归添加多项式 有些数据非线性,不是线性的决策边界能够分割的。这时候就要引入多项式回归来拟合非线性数据的决策边界 导入函数 import numpy as np import matplotlib.pyplot as plt 创建数据 np.random.seed(666) X = np.r

3406浏览
0推荐
0评论

【九月打卡】第16天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:9-3;9-4 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 Sigmoid函数展示 第二部分 逻辑回归调用 第三部分 逻辑回归决策边界可视化 第四部分 KNN算法决策边界可视化 ②课程详细 <hr/> 第一部分 Sigmoid函数展示 导入函数 import numpy as np import matplotlib.pyplot as plt 定义sigmoid函数 def sigmoid(t): return 1 / (1 + np.exp(-t)) 创造数据进行可视化

3477浏览
1推荐
0评论

【九月打卡】第15天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:9-1;9-2;9-3 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 逻辑回归介绍 第二部分 逻辑回归原理 第三部分 逻辑回归实现 ②课程详细 <hr/> 第一部分 逻辑回归介绍 逻辑回归算法应用场景很多,主要用于分类算法 将样本的特征和样本发生的概率联系起来 因为逻辑回归使用的是样本发生的概率,所以可以看作是回归算法,也可以看作是分类算法,通常用于解决分类算法,二分类问题 第

3489浏览
1推荐
0评论

【九月打卡】第14天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:8-7;8-8 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 岭回归介绍 第二部分 岭回归应用场景 第三部分 岭回归使用示例 ②课程详细 <hr/> 第一部分 岭回归介绍 (Ridge Regression岭回归)模型正则化方式之一 正则化的目的:限制特征系数sita的大小 1 与theta0无关,因为它是截距,与特征无关 2 alpha是超参数,代表系数项占的比例 a越大 特征系数就越小。极端情况下a等于正无

3645浏览
1推荐
0评论

【九月打卡】第13天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:8-6;8-7;8-8 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 交叉验证的原理 第二部分 交叉验证的使用场景 第三部分 交叉验证的使用方法 ②课程详细 <hr/> 第一部分 交叉验证的原理 交叉验证是通过对数据进行拆分,分成多少分,分别进行训练和验证,这样既避免了极端数据的影响,又能使你的准确率更加可信。 第二部分 交叉验证的使用场景 交叉验证通常使用在数据特别地极端,比

3603浏览
1推荐
0评论

【九月打卡】第12天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:8-3;8-4;8-5 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 过拟合与欠拟合 第二部分 学习曲线 第三部分 第四部分 ②课程详细 <hr/> 第一部分 过拟合与欠拟合 在上一章用很方便的手段进行了多项式回归,但是在多项式回归=4,最后的图片看得出,曲线有一点歪,并且往着不适合这个数据的方向进行拟合,这种情况是对这个数据进行过度地拟合而导致训练出地模型没有可靠的泛化能力,对

3739浏览
1推荐
0评论

【九月打卡】第11天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:8-2;8-3;8-4 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 sklearn多项式回归和pipeline 第二部分 关于PoltnomialFeatures 第三部分 Pipeline ②课程详细 <hr/> 第一部分 sklearn多项式回归和pipeline 这一章我们使用sklearn库来快速使用多项式回归, 导入函数 import numpy as np import matplotlib.pyplot as plt 初始化函数 X =...

3027浏览
1推荐
0评论

【九月打卡】第10天 Python3入门机器学习

课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:8-1;8-2;8-3 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 多项式回归的介绍 第二部分 多项式代码展示 ②课程详细 <hr/> 第一部分 多项式回归的介绍 有时候,在进行线性回归的时候会发现,准确率并不是那么的高,并且很难提高,不管是对数据进行怎么样的处理,或者怀疑有没有哪一步重要的没有做到,其实有时候是前提条件出错了,线性回归的前提条件是,假设数据是线性的,但有时候数据并不是线性的,比

2649浏览
1推荐
0评论

【九月打卡】第9天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:7-8;7-9;7-10;7-11 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 使用大数据MNIST进行PCA降维测试 第二部分 对手写字体降到二维进行可视化处理 第三部分 PCA降噪 第四部分 PCA降噪可视化 ②课程详细 <hr/> 第一部分 使用大数据MNIST进行PCA降维测试 导入函数 import numpy as np import matplotlib import matplotlib.pyplot as plt from...

2739浏览
1推荐
0评论

【九月打卡】第8天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:7-6,7-7 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 sklearn使用实际数据进行PCA降维 第二部分 PCA主成分保留信息可视化 ②课程详细 <hr/> 第一部分 sklearn使用实际数据进行PCA降维 导入函数 import numpy as np import matplotlib.pyplot as plt from sklearn import datasets 导数数据集 digits = datasets.load_digits() X =...

2334浏览
1推荐
0评论

【九月打卡】第7天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:7-5,7-6 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 高维数据向低维数据映射 第二部分 sklearn中的PCA 第三部分 代码展示 ②课程详细 <hr/> 第一部分 高维数据向低维数据映射 在PCA求解出所有主成分中,就要对高维数据进行降维,也就是向低维映射。 导入函数 import numpy as np import matplotlib.pyplot as plt 创建噪点的随机数据 X = np.empty((100, 2)) X[

2154浏览
1推荐
0评论

【九月打卡】第6天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:7-1,7-2 主讲老师:liuyubobobo 内容导读 <hr/> 上一篇文章对PCA算法进行地整体思路的顺,这篇文章分片来讲PCA在使用搜索的方式求解过程中做了什么。 第一部分 使用极端数据测试 第二部分 求数据的前N个主成分 第三部分 求解第一个主成分详解 ②课程详细 <hr/> 第一部分 使用极端数据测试 导入函数 import numpy as np import matplotlib.pyplot as plt 创造随机的数据,t

705浏览
1推荐
0评论

【九月打卡】第5天 Python3入门机器学习

课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:7-1 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 PCA简介 第二部分 PCA功能 第三部分 PCA算法实现思路 第四部分 代码展示 ②课程详细 <hr/> 第一部分 PCA简介 PCA是为了求解一个新的空间,也就是一个新的基(坐标轴),来达到降维的目的。 第二部分 PCA功能 PCA 做的事情,就是求出了一套新的坐标轴,在新的坐标轴上,数据在每个轴上的信息含量是逐渐递减的。这样,我们就可以扔掉“靠后”的坐

936浏览
1推荐
0评论

【九月打卡】第4天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:第六章 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 对四种算法进行效率比较 第二部分 一个关于小批量梯度下降的问题 ②课程详细 <hr/> 第一部分 这一章的结尾我想对四种算法进行效率与准确率上的比较,批量梯度下降法,随机梯度下降法,小批量梯度下降法,在特征量增大,或者训练量增大的情况下,效率会产生什么样的变化,以此来探究不同算法的应用场景。 导入函数 import numpy

909浏览
0推荐
0评论

【九月打卡】第3天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:6-8,6-9 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 实现小批量梯度下降法 第二部分 梯度的调试 第三部分 代码展示 ②课程详细 <hr/> 第一部分 实现小批量梯度下降法 导入函数 import numpy as np import matplotlib.pyplot as plt 创建多维度的数据(1000, 10) np.random.seed(666) X = np.random.random(size=(1000, 10)) true_theta =...

842浏览
1推荐
0评论

【九月打卡】第2天 Python3入门机器学习

①课程介绍 <hr/> 课程名称:Python3入门机器学习 经典算法与应用 入行人工智能 课程章节:6-6,6-7,6-8 主讲老师:liuyubobobo 内容导读 <hr/> 第一部分 自己实现的随机梯度下降法 第二部分 与梯度下降算法进行效率精度的比较 第三部分 使用真实的数据进行随机梯度下降 第四部分 sklearn中的随机梯度下降 ②课程详细 <hr/> 第一部分 自己实现的随机梯度下降法 随机梯度下降法就是,对单个数据进行求导,也就是根据一个数据找到求导的方向,找到最终的最小值J会弯弯曲曲地

659浏览
1推荐
0评论
首页上一页12下一页尾页
意见反馈 帮助中心 APP下载
官方微信