原创 遷移學習&在線學習
簡介 英文： transfer learning 以已訓練好的模型A爲起點，在新場景中，根據新數據建立模型B 目的：將某個領域或任務上學習到的知識或模式，應用到不同但相關的領域或問題中。 特徵提取 使用模型A，移除輸出層，提取目標特徵信
2022-04-30 13:13:49
原创 LSTM 文本預測
LSTM RNN對於前面的信息會有意外，LSTM可以基礎相應的信息 code #加載數據 data = open("LSTM_text.txt").read() #移除換行 data = data.replace("\n","").repl
2022-04-30 13:13:49
原创 RNN實現股價預測
簡介 import pandas as pd import numpy as np data = pd.read_csv('zgpa_train.csv') data.head() price = data.loc[:,'close']
2022-04-29 13:13:52
原创 多層感知器
簡介 將多個 邏輯迴歸 網絡 層疊起來 構建 多層感知器 在不增加高次項數據的情況下，如何通過MLP實現非線性分類預測。 + MNIST 數據集的MLP模型 參考鏈接 推薦安裝 李沐 的 cuda 還有GPU版本 https:
2022-04-27 13:14:12
原创 欠擬合 與 過擬合
簡介 模型不合適，導致其無法對數據實現有效預測 訓練數據 預測數據 欠擬合 不準確 不準確 過擬合 準確 不準確 好模型 準確 準確 原因 模型結構過於複雜（維度過高） 使用了過多屬性，模型訓練時包含了干擾信息
2022-04-26 13:14:19
原创 實戰 異常檢測
簡介 參考鏈接 https://blog.csdn.net/weixin_46344368/article/details/106312536?spm=1001.2014.3001.5502 code # 實戰 異常檢測 #加載數據 imp
2022-04-26 13:14:19
原创 實戰（一）：酶活性預測
簡介 使用多個 線性迴歸參數對模型進行預測。 code # load the data import pandas as pd import numpy as np data_train = pd.read_csv('T-R-train.
2022-04-26 13:14:19
原创 機器學習之數據分離與混淆矩陣
簡介 實例基本流程： 數據載入->數據可視化與預處理->模型創建->全數據用於模型訓練->模型評估 數據分離可以用於模型評估 對全數據進行數據分離，部分用於訓練，部分用於新數據的結果預測！ 通常來說分爲3步： 把數據分成兩部分：訓練集、測
2022-04-26 13:14:19
原创 實戰（二） 機器學習之數據分離與混淆矩陣
簡介 使用多個KNN參數進行訓練 參考鏈接 https://blog.csdn.net/weixin_46344368/article/details/107214449?spm=1001.2014.3001.5502 code #加載數據
2022-04-26 13:14:19
原创 實戰 PCA
簡介 PCA code #加載數據 import pandas as pd import numpy as np data = pd.read_csv('iris_data.csv') data.head(100) print(pd.val
2022-04-26 13:14:19
原创 無監督學習 Kmeans
無監督學習 自動對輸入數據進行分類或者分羣 優點： 算法不受監督信息（偏見）的約束，可能考慮到新的信息 不需要標籤數據，極大程度擴大數據樣本 Kmeans 聚類 根據數據與中心點距離劃分類別 基於類別數據更新中心點 重複過程直到收斂 特點：
2022-04-21 13:14:07
原创 多因子線性迴歸
簡介 對於房價的預測，採用多因子進行預測，例如房屋面積，人口密度等等。 參考鏈接 https://blog.csdn.net/weixin_46344368/article/details/105775078 （內涵數據集） code im
2022-04-20 13:13:56
原创 使用機器學習對曲線進行線性迴歸
簡介 線性迴歸：根據數據，確定兩種或兩種以上變量間相互依賴的定量關係 評價曲線的擬合效果使用均方誤差和R方值進行擬合質量評估 \[M S E=\frac{1}{m} \sum_{i=1}^{m}\left(y_{i}^{\prime}-y_
2022-04-20 13:13:56