決策樹是機器學習中應用很廣泛的算法，它不僅可以處理分類和回歸問題，還可以產(chǎn)出特征重要性、連續(xù)變量分箱等副產(chǎn)物。決策樹有著可解釋性強、原理簡單、效率高的特點。在決策樹算法的發(fā)展...
發(fā)簡信
IP屬地：江蘇
-
機器學習筆記：決策樹 -
朱小虎 Neil Zhu，University AI / CSAGI 創(chuàng)始人
-
概念速查：多項式分布
服從多項式分布的隨機向量 滿足如下條件： 1），且； 2）設 為任意非負整數(shù)，且 ； 事件 發(fā)生的概率為： 其中，，。 【舉例】一個6面的均勻骰子，投擲6次，投擲結果為...
-
PyTorch深度學習筆記（7）：應用實例--FashionMNIST數(shù)據(jù)集
在上一篇文章中，我們介紹了如何用梯度下降法進行神經(jīng)網(wǎng)絡的訓練與優(yōu)化?，F(xiàn)在我們用一個實際的數(shù)據(jù)集：FashionMNIST，完整的實現(xiàn)構建神經(jīng)網(wǎng)絡并訓練優(yōu)化，在這一過程中，我們...
-
PyTorch深度學習筆記（6）：神經(jīng)網(wǎng)絡的訓練--梯度下降法在前面的文章中，我們介紹了為線性回歸、二分類、三分類神經(jīng)網(wǎng)絡的優(yōu)化選取適當?shù)膿p失函數(shù)。我們知道，當損失函數(shù)的值越小，代表神經(jīng)網(wǎng)絡預測值與真實值之間的差異越小，模型效果越好。對...
-
PyTorch深度學習筆記（5）：神經(jīng)網(wǎng)絡的訓練--損失函數(shù)
在前面的文章中，我們介紹了單層和多層神經(jīng)網(wǎng)絡的正向傳播過程，同時也使用了torch.nn來實現(xiàn)這一過程。不難發(fā)現(xiàn)，模型中的權重對模型輸出的預測結果起著很重要的作用。而前面我們...
-
PyTorch深度學習筆記（4）：完整實現(xiàn)一個多層神經(jīng)網(wǎng)絡的正向傳播
本文將通過一個例子，使用torch.nn中Module類的繼承來完整實現(xiàn)一個多層神經(jīng)網(wǎng)絡的正向傳播過程。此外，文中將介紹類繼承過程中定義init()函數(shù)時super()的用法...
-
PyTorch深度學習筆記（3）：多層神經(jīng)網(wǎng)絡的正向傳播本文主要以異或門問題為例子，介紹多層神經(jīng)網(wǎng)絡。我們將從上一篇文章中介紹的單層神經(jīng)網(wǎng)絡出發(fā)，學習或門、非與門、異或門問題，了解單層神經(jīng)網(wǎng)絡在面對非線性問題（e.g. 異或門問題...
-
PyTorch深度學習筆記（2）：單層神經(jīng)網(wǎng)絡的正向傳播本文將從一個簡單的線性回歸問題出發(fā)，構建單層神經(jīng)網(wǎng)絡，并手動實現(xiàn)它的正向傳播。同時，我們將介紹如何使用PyTorch中的核心模塊torch.nn來構建該線性回歸的神經(jīng)網(wǎng)絡。最...
-
數(shù)學基礎：最小二乘法
最小二乘法可以用來求解線性回歸模型中權重參數(shù)的最優(yōu)解，本文將對這一求解過程做簡要概述。 線性回歸模型 對于第 個樣本 ()，我們有：其中，為樣本 的標簽， 為樣本 的 ...
-
數(shù)學基礎：矩陣求導
本文主要參考B站UP主GRNovmbrain的推導視頻，鏈接如下：https://www.bilibili.com/video/BV1xk4y1B7RQ/?vd_source...
-
PyTorch深度學習筆記（1）：張量
張量Tensor是深度學習框架Pytorch中的基礎數(shù)據(jù)結構。類似于Array是Numpy中的基礎數(shù)據(jù)結構一樣，tensor及其對應的方法函數(shù)，為在Pytorch上進行深度學...
-
?? 90后 ? 碩士畢業(yè)于 華中科技大學<br>?? 公眾號 CodeSheep 作者<br>?? IT咨詢請公眾號私信<br>?? 自學編程之路↓↓↓<br><a href="https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fhansonwang99%2FJavaCollection" target="_blank">https://github.com/hansonwang99/JavaCollection</a>
-
概念速查：Jeffrey's Prior
當構建 prior distribution 時，若沒有足夠的群體信息支持，我們通常希望構建的 prior 在我們的 posterior 中影響越小越好，即，posterio...
