原创 多層感知器分類器的 Tensorflow 實現
數據準備 本文中以 0~9 數字圖片識別，首先準備圖片數據，這裏使用到的是 MNIST 數據集，藉助 Keras 實現： import os import tensorflow as tf # 導入 TF 庫 from tenso
2020-05-25 17:46:12
7
原创 Tensorflow 之 張量操作
改變形狀 通過 tf.reshape(x, new_shape)，可以對張量的視圖進行任意的合法改變 x=tf.range(96) x=tf.reshape(x,[2,4,4,3]) 增刪維度 增加維度：增加一個長度爲 1 的維
2020-05-25 17:46:12
1
原创 Tensorflow 之 張量類型
常量類型 在 Tensorflow 中任何變量都需要轉換爲 Tensorflow 可以識別的類型，當然作爲變量的特殊形式（不可改變）常量需要使用 tf.constant 存儲或轉換爲張量類型 tf.Tensor ，當然可能不太貼切
2020-05-25 17:46:12
1
原创 Tensorflow 之 CPU計算效率和GPU計算效率對比
import numpy as np import matplotlib from matplotlib import pyplot as plt plt.close() # Default parameters for
2020-05-25 17:46:12
原创 梯度提升機（Gradient Boosting Machine）之 LightGBM
隨着大數據時代的到來，GBDT正面臨着新的挑戰，特別是在精度和效率之間的權衡方面。傳統的GBDT實現需要對每個特徵掃描所有數據實例，以估計所有可能的分割點的信息增益。因此，它們的計算複雜度將與特徵數和實例數成正比。這使得這些實現在
2020-05-19 08:03:16
原创 簡單線性迴歸模型的 Python 實現
本文以簡單的一元線性模型爲例，演示梯度下降法的基本實現流程。 一個一元線性模型的基本形式爲： y=wx+b y = w x + b y=wx
2020-05-19 08:03:06
1
原创 梯度提升機（Gradient Boosting Machine）之 XGBoost
相對於隨機森林使用 bagging 融合完全長成決策樹，梯度提升決策樹使用的 boosting 的改進版本 AdaBoost 技術的廣義版本，也就是說是根據損失函數的梯度方向，所以叫做梯度提升（Gradient Boosting）
2020-05-12 18:06:06
原创 主成分分析（Principal Components Analysis）
主成分分析PCA(Principal Component Analysis),作用是: 聚類 Clustering：把複雜的多維數據點,簡化成少量數據點,易於分簇 降維：降低高維數據,簡化計算,達到數據降維,壓縮,降噪的目的
2020-05-12 18:06:06
原创 機器學習技法 之 線性判別分析（Linear Discriminat Analysis）
線性判別分析（Linear Discriminat Analysis） PCA找尋的投影向量力求找到使得特徵點方差較大（也就是說散的比較開），與PCA所找尋的投影向量不同，LAD所找尋的投影向量具有下面兩種特性： 映射後不同類數
2020-05-10 11:44:15
原创 CMake 中文簡易手冊
最基本的項目是從源代碼文件構建的可執行文件。對於簡單的項目，只需要三行代碼。 cmake_minimum_required(VERSION 3.10) # set the project name project(Tutoria
2020-05-10 11:44:15
原创 機器學習技法 之 支持向量迴歸（SVR）
核邏輯迴歸（Kernel Logistic Regression） SVM 和 Regularization 之間的聯繫 軟間隔支持向量機的原最優化問題爲： minb,w,ξ12wTw+C⋅∑n=1Nξn s.t. yn(wTz
2020-05-05 11:03:57
原创 機器學習技法 之 矩陣分解（Matrix Factorization）
線性神經網絡（Linear Network Hypothesis） 這裏用推薦系統的應用實例引出矩陣分解： 現在有一個電影評分預測問題，那麼數據集的組成爲： {(x~n=(n),yn=rnm): user n rated movi
2020-05-05 11:03:57
10
原创 機器學習技法 之 終章（Final）
特徵轉換的技巧（Feature Exploitation Techniques） 核技巧（Kernel） 對於數值特徵，使用一些映射函數 Φ\PhiΦ，將想要的特徵轉換嵌入進 kernel 運算裏面，在 kernel 運算裏面就包
2020-05-05 11:03:57
3
原创 臺大林軒田機器學習課程筆記前言
正確的判斷來自於經驗，而經驗來自於錯誤的判斷。— Frederick P. Brooks 本專欄爲機器學習筆記文件，參考資料有《林軒田機器學習基石&技法》《機器學習》《吳恩達機器學習課堂》《神經網絡與深度學習》《Sklearn
2020-05-05 11:03:57
原创 北大 C++ 程序語言設計課程筆記前言
感謝郭煒老師和劉家瑛老師的詳細講解，非常適合基礎不紮實的同學學習，讓我真正入門 C++！ 詳細筆記見本專欄的其他文章。視頻觀看可點擊：C++ 程序語言設計，如果有失效可以去中國大學MOOC(慕課) 搜索查找。
2020-05-05 11:03:57