从零开始机器学习（机器学习 监督学习之线性回归 损失函数及可视化 梯度下降 线性回归的平方误差损失函数 lab实验）
文章目录 机器学习定义监督学习之线性回归损失函数及可视化梯度下降线性回归的平方误差损失函数lab实验 机器学习定义 机器学习就是机器通过不断训练数据集从逐渐知道正确的结果 机器学习包括监督学习和非监督学习 监督学习：需要输入数据和结果数据来不断训练学习 监督学习包括回归和分类 回归是结果是连续的，不是有限的 分类是结果是离散的，是有限的 非监督学习：只需要输入数据来学习 例如聚类（将某类输入数据分一组，...
机器学习—— PU-Learning算法
机器学习—— PU-Learning算法 本篇博客将介绍PU-Learning算法的基本概念、基本流程、基本方法，并简单探讨Two-step PU Learning算法和无偏PU Learning算法的具体流程。最后，将通过Python代码实现一个简单的PU-Learning示例，以便更好地理解这些概念和算法。 1. 基本概念 PU-Learning是一种解决类别不平衡问题的机器学习方法，其中类别包括正...
机器学习——降维算法-主成分分析（PCA）
机器学习——降维算法-主成分分析（PCA） 在机器学习领域，主成分分析（Principal Component Analysis，简称PCA）是一种常用的降维技术，用于减少数据集中特征的数量，同时保留数据集的主要信息。本文将介绍PCA算法的过程、理论基础、以及优缺点，并通过Python实现一个简单的PCA算法示例，最后给出总结。 1. PCA算法过程 主成分分析的过程如下： 对原始数据进行标准化处理，使...
机器学习 - 提高模型 (代码）
如果模型出现了 underfitting 问题，就得提高模型了。 举个例子，代码如下： class CircleModelV1(nn.Module): def __init__(self): super().__init__() self.layer_1 = nn.Linear(in_features = 2, out_features = 10) self.layer_2 = nn.Linear(in...
机器学习 - 手动实现 ReLU 和 Sigmoid
直接上代码 import torchimport matplotlib.pyplot as plt A = torch.arange(-10, 10, 1, dtype=torch.float(32))def relu(x): return torch.maximum(torch.tensor(0), x)plt.plot(relu(A)) 结果如下： import torchimport ma...
机器学习介绍
机器学习是人工智能（AI）的一个分支，它使计算机系统能够从数据中学习并改进它们的性能。机器学习的核心在于开发算法，这些算法可以从大量数据中识别模式和特征，并用这些信息来做出预测或决策，而无需进行明确的编程。 ### 机器学习的主要类型 1. **监督学习（Supervised Learning）**： - 在监督学习中，模型从标记的训练数据中学习，每个训练样本都有一个输入对象（通常是一个特征向量）和...
政安晨：专栏目录【TensorFlow与Keras实战演绎机器学习】
本篇是作者政安晨的专栏《TensorFlow与Keras实战演绎机器学习》的总纲，专栏文章不断更新，这篇目录总纲也会随着专栏不断更新。 TensorFLow简述 TensorFlow给自己的定位是端到端机器学习平台，作者政安晨对TensorFlow的简述如下： 导入和使用TensorFlow其实并不难： import tensorflow as tf 关键是如何循序渐进地入门，并针对某个具体目标开展实例...
机器学习 - 创建一个PyTorch classification model
紧接上一篇文章机器学习-神经网络分类 继续描述 先得将数据从 numpy arrays 移到 PyTorch tensor 里。 import torch # 将数据从numpy移到PyTorch tensors里X = torch.from_numpy(X).type(torch.float)y = torch.from_numpy(y).type(torch.float) 之后，将数据分成训练集...
机器学习的实践
机器学习的实践涉及一系列步骤，从理解问题到部署模型，并最终实现模型的持续改进。以下是实践机器学习项目时的详细步骤： 1. 问题定义 理解问题：首先，需要准确理解需要解决的问题，这包括问题的性质、目标以及预期结果。确定目标：明确项目的目标，例如减少误差率、提高准确率或者优化用户体验。 2. 数据获取与处理 数据收集：根据项目需求收集相应的数据。数据可以来自内部数据库、公开数据集或者是通过爬虫获取的网络数据。...
机器学习导论：概念、分类与应用场景
目录 1.引言 2. 机器学习基本概念与分类方法 2.1. 基本概念 1.2. 分类方法 3.主要应用场景与现实案例剖析 3.1. 推荐系统 3.2. 金融风控 3.3. 医学诊断 3.4. 自然语言处理 4.结束语 1.引言 在数字化时代，数据已成为驱动社会进步的关键要素。而机器学习，作为数据分析和处理的重要工具，正在逐步改变我们的生活、工作和思考方式。机器学习不仅仅是一...