本節(jié)課主要將兩件事情: 1. Pytorch 搭建分類神經(jīng)網(wǎng)絡(luò) 2. 神經(jīng)網(wǎng)絡(luò)基本架構(gòu) --- 0 項目準(zhǔn)備: 這里先下載數(shù)據(jù),這里主要是下載手寫 mnist 數(shù)據(jù)集; 這個...
本節(jié)課主要將兩件事情: 1. Pytorch 搭建分類神經(jīng)網(wǎng)絡(luò) 2. 神經(jīng)網(wǎng)絡(luò)基本架構(gòu) --- 0 項目準(zhǔn)備: 這里先下載數(shù)據(jù),這里主要是下載手寫 mnist 數(shù)據(jù)集; 這個...
這節(jié)課主要解決兩個問題 - 驗證集的大小如何設(shè)定? - 訓(xùn)練集中有些類別數(shù)據(jù)量太小怎么辦? 驗證集的大小如何設(shè)定? 這里有個簡單的方法來驗證。 首先來理解以下,驗證集的定義是...
今天介紹從兩個角度來介紹機器學(xué)習(xí)的商業(yè)領(lǐng)域的產(chǎn)品應(yīng)用: - 橫向領(lǐng)域:在不同類型的業(yè)務(wù)中執(zhí)行的操作。即涉及營銷的一切。 - 垂直領(lǐng)域:在企業(yè)內(nèi)部或供應(yīng)鏈或流程中所做的事情。 ...
這節(jié)課我們主要講講: 1。OOB 和 validation 的數(shù)值計算上區(qū)別 2。時間序列模型建立時,如何處理 validation 和 test 與模型精度控制的小技巧 3...
“當(dāng)模型建立后,如何解釋和分析模型,往往是科研中必不可很少的一部分。機器學(xué)習(xí)模型往往被成為黑箱子,如何在傳統(tǒng)領(lǐng)域的分析方法上進行一定解釋,是我們學(xué)者們要進一步探索的課題。我們...
1. nan 的處理 先講一個真事: 在 Kaggle 的一個競賽里面,是要求預(yù)測哪些大學(xué)的基金項目會得到批復(fù)而那些不會。隨后一個參賽者通過其中某一列的 nan 與否特征的預(yù)...
“本文通過 Python 代碼實現(xiàn)的方式來來介紹具體的實現(xiàn)。 以 Python 為基礎(chǔ),調(diào)用各種比較基礎(chǔ)的庫,其中穿插一些Kaggle處理的建議,用引號表示?!?1. 數(shù)據(jù)預(yù)...
“本文內(nèi)容的訴求為實用、易上手,所以理論的內(nèi)容以及公式只做少量的解釋,并不著重涉及。“ 本節(jié)內(nèi)容:1。評價函數(shù) —— 如何評價模型的好壞2。測試集、驗證集、訓(xùn)練集 —— 防止...
隨機森林 RF 在 Kaggle 大名遠播,稱霸很久。 那么,我們這里就先聊聊原因。以下分析來自 University of San Francisco, CS 碩士課程。 ...
如果想要快速的搭建機器學(xué)習(xí)的模型,scikit - learn 是最好的工具之一,他提供的 packages 能夠快速幫助我們使用 Python 搭建起一個機器學(xué)習(xí)模型,在這...
Python 的 pip install 大家都很熟悉吧~ 但是我們今天要來講講,如何自己使用 OOP 面向?qū)ο缶幊虂韺懸粋€ Package,然后上傳到 Pypy,讓別人可以...
XGBoost和TensorFlow都是非常強大的機器學(xué)習(xí)框架,但你怎么知道你需要哪一個?或許你需要兩者兼而有之? 在機器學(xué)習(xí)中,“沒有免費午餐”。將特定算法與特定問題相匹配...
1. 電腦鏈接 Donkeycar 開始開車 確保電腦 wifi 鏈接上 樹莓派鏈接的網(wǎng)段。 使用電腦鏈接上樹莓派上的小車,使用 Mac/Linux 電腦上的終端 termi...
Donkeycar 驢車可以通過搭載 Raspberry pi 樹莓派來實現(xiàn)智能化,完成無人駕駛。 那我們今天就來說說,如何實現(xiàn)Donkeycar 驢車的無人駕駛呢? 1. ...
1. 圖像實戰(zhàn)簡介 先來看一下項目的目標(biāo),實現(xiàn)車載攝像頭的矯正,并進行道路曲率的檢測,如下圖: 1. 正常車景、并使用直線路段進行圖像矯正;(參考無人駕駛小課堂鏈接) 2. ...
1. 常見的圖片畸變 無人駕駛攝像頭/照相機鏡頭往往會有兩種形式的圖像變形,徑向畸變(Radial Distortion)和切向變形(Tangetial Distortion...
目前的機器學(xué)習(xí)/深度學(xué)習(xí)框架日漸成熟,工具的發(fā)展為模型的自動調(diào)參提供了完善的功能,幫助我們可以快速、有效的達成優(yōu)化模型,確定最有參數(shù)的目的。 在開始講述這個調(diào)參之前,我們先來...
本章作為本書的序章,是作為機器學(xué)習(xí)/深度學(xué)習(xí)中最初不容易學(xué)習(xí)到的知識合集。 第一小節(jié),我們來詳細講講不同的誤差函數(shù)。誤差函數(shù)作為機器學(xué)習(xí)/深度學(xué)習(xí)中誤差下降的metrics,...