發(fā)簡信
IP屬地：廣東
-
最簡單的神經(jīng)網(wǎng)絡(luò)最簡單的神經(jīng)網(wǎng)絡(luò) 準備訓(xùn)練數(shù)據(jù) 隨機生成50個數(shù)據(jù)，用作訓(xùn)練數(shù)據(jù) 最簡單的神經(jīng)網(wǎng)絡(luò)擬合，y=ax+b，所有設(shè)置y為 不過，為了符合實際情況，可用...
-
Python3.9更新日志
python3.9更新 版本：3.9.1日期：2021.1.1作者：Lukasz Langapython3.9發(fā)布于2020.10.5，這里做與...
-
添加白噪聲
SNR的定義 SNR：信噪比，信號與噪聲的比率P：平均能量信號功率和噪聲功率有著相同的帶寬如果信號是一個常量s，或者隨機變量S，那么對于隨機噪聲...
-
機器學(xué)習(xí)day19概率圖模型概率圖模型 概率圖模型（Probabilistic Graphic Model），能夠很好地挖掘潛在的內(nèi)容。 概率圖中地節(jié)點分為隱含節(jié)點和觀測節(jié)...
-
機器學(xué)習(xí)day18聚類算法評價
聚類算法評估 假設(shè)沒有外部標簽數(shù)據(jù)，我們怎么評價不同聚類算法的優(yōu)劣？ 非監(jiān)督學(xué)習(xí)往往沒有標注數(shù)據(jù)，這是模型，算法的設(shè)計直接影響最終的輸出和模型的...
-
機器學(xué)習(xí)day17使用自組織映射網(wǎng)絡(luò)
設(shè)定輸出層神經(jīng)元的數(shù)量 輸出層神經(jīng)元的數(shù)量與訓(xùn)練集樣本的類別數(shù)相關(guān)。不清楚類別數(shù)，盡可能多設(shè)置節(jié)點數(shù)。分類過細可適當減少輸出節(jié)點，減少從未更新權(quán)...
-
機器學(xué)習(xí)day16自組織映射神經(jīng)網(wǎng)絡(luò)
高斯混合模型計算 初始隨機設(shè)置各參數(shù)的值，然后重復(fù)迭代下面的步驟，直至收斂 根據(jù)當前的參數(shù)，計算每個點由某各分模型生成的概率 使用步驟2計算出來...
-
機器學(xué)習(xí)day15高斯混合模型
K均值缺點 需要人工預(yù)先設(shè)置K值，而且該值與真實的數(shù)據(jù)分布未必吻合 K值只能收斂到局部最優(yōu)，效果受到初始值影響較大 容易受到噪聲影響 樣本點被劃...
-
機器學(xué)習(xí)day14K均值算法K均值算法 K均值聚類的核心目標是將給定的數(shù)據(jù)集劃分成K個簇，并給出每個數(shù)據(jù)對應(yīng)的簇中心點。 數(shù)據(jù)預(yù)處理，包括但不限于歸一化，離群點處理等 隨機...