原创 機器學習35:理解正則化
機器學習35:理解正則化 (1)奧卡姆剃刀原則: “如無必要,勿增實體”,即簡單有效原理,切勿浪費較多東西去做,用較少的東西同樣可以做好的事情。 (2)稀疏參數的好處: 1)可以簡化模型,避免過擬合
原创 機器學習34:貝葉斯先驗概率
機器學習34:貝葉斯先驗概率: 理解貝葉斯先驗概率是爲了更好的理解正則化的概念。 (1)貝葉斯先驗概率和貝葉斯後驗概率: 1.先驗概率是指根據以往經驗和分析得到的概率,即在事情發生之前事情發生的概率
原创 【Clipping input data to the .... for integers).】的解決辦法
【Clipping input data to the .... for integers).】的解決辦法: 參考資料:https://www.freesion.com/article/7534157435/
原创 python11:常用內置函數筆記
python11:常用內置函數筆記 1.字典類型的內置函數和方法: Python字典包含了以下內置函數: 序號 函數及描述 1 cmp(dict1, dict2) 比較兩個字典元素。 2 len(d
原创 算法的時間複雜度和空間複雜度計算【轉載】
算法的時間複雜度和空間複雜度計算【轉載】 1.算法的時間複雜度定義: 在進行算法分析時,語句總的執行次數是關於問題規模的函數,可以通過分析隨的變化情況來確定的數量級。 算法的時間複雜
原创 機器學習31:深度學習模型調參技巧【轉載整理】
機器學習31:深度學習模型調參技巧【轉載整理】 本文轉載自博客模型調參:分步驟的提升模型的精度(cnn)和知乎問題你有哪些deep learning(rnn、cnn)調參的經驗?的回答,主要整理博客和知乎問答中關於卷積神經網
原创 機器學習30:關於FasterRCNN代碼中三個Creator及四個損失的補充
機器學習30:關於FasterRCNN代碼中三個Creator及四個損失的補充 這是關於Faster RCNN的第四篇博客,之前寫過機器學習17:FasterRCNN簡介,機器學習18:RPN區域候選網絡簡介主要是基於原理
原创 機器學習29:Sklearn庫常用分類器及效果比較
機器學習29:Sklearn庫常用分類器及效果比較 1.Sklearn庫常用分類器: #【1】 KNN Classifier # k-近鄰分類器 from sklearn.neighbors import KNeighborsC
原创 python10:Numpy數組切片示例
python10:Numpy數組切片示例 本文示例了數組切片的各種情況,可以直觀的看到各種數組切片格式的處理結果,參考資料爲numpy數組切片操作。 1.一維數組切片: (1)正索引切片: import n
原创 應該掌握的7種迴歸模型
應該掌握的7種迴歸模型 本文轉載自博客你應該掌握的7種迴歸模型!。 線性迴歸和邏輯迴歸通常是人們學習預測模型的第一個算法。由於這二者的知名度很大,許多分析人員以爲它們就是迴歸的唯一形式了。而瞭解更
原创 機器學習28:多卷積核處理多通道特徵圖機制
機器學習28:多卷積核處理多通道特徵圖機制 作爲常識,卷積層的輸出特徵圖通道數等於卷積層的卷積核個數,而與卷積層的輸入特徵圖通道數無關,但是如果對多卷積核處理多通道特徵圖的機制不清楚那麼對於這個過程理解的就會不夠深入,本文的
原创 機器學習27:svm/決策樹/隨機森林/knn分類鳶尾花數據集
機器學習27:svm/決策樹/隨機森林/knn分類鳶尾花數據集 本文主要通過調用sklearn庫調用svm/knn/決策樹/隨機森林實現簡單的鳶尾花數據集的分類,主要的目的是熟悉處理流程。 1.svm分類鳶尾花數據集
原创 pycharm“out of memory”的解決方法
pycharm“out of memory”的解決方法: pycharm有默認內存的容量上限,今天在運行過程中可能由於讀取的數據過多從而出現了out of memory的錯誤提示,當時的容量上限是1024M。處理辦法是調整容量
原创 MacOS:Finder訪達使用技巧(轉載)
MacOS:Finder訪達使用技巧 Finder就相當於windows XP系統的『我的電腦』或win7/win10系統裏的『計算機』(也叫資源管理器),find是查找的意思,那Finder就是查找者,尋找者,或者
原创 機器學習13:Caffe訓練自定義數據集
機器學習13:Caffe訓練自定義數據集 這裏簡要的介紹了下如何使用自己準備的圖片數據來訓練和測試網絡。主要的幾個步驟有: a.圖片數據轉換爲lmdb格式; b.計算訓練數據的均值;