原创 深度學習學習筆記——RNN(LSTM、GRU、雙向RNN)

目錄前置知識循環神經網絡(RNN)文本向量化RNN 建模RNN 模型改進LSTM(Long Short Term Memory)LSTM變形與數學表達式LSTM變形與數學表達式門控循環單元GRU(Grated Recurrent

原创 Reliability Does Matter: An End-to-End Weakly Supervised Semantic Segmentation Approach(AAAI 2020)

本文翻譯了一篇關於弱監督語義分割論文,原文地址 目錄摘要介紹相關工作提出的方法概述分類分支:生成可靠區域的標籤語義分割分支:進行預測實驗數據集和實現細節分析我們的方法與先前方法的比較結論 摘要 弱監督語義分割是一項具有挑戰性的任務

原创 機器學習——分類器算法對比(KNN、SVM、樸素貝葉斯、隨機森林、Adaboost)(學習筆記)

目錄k鄰近(KNN)基礎算法實例優缺點代碼實現支持向量機(SVM)基礎算法對偶問題鬆弛變量核函數代碼實現樸素貝葉斯算法基本算法優點代碼實現過擬合(Over fitting)以及欠擬合(Under fitting)集成學習方差和偏差

原创 決策樹_練手小項目

所需庫環境 import pandas as pd import matplotlib import matplotlib.pyplot as plt import numpy as np import sklearn prin

原创 Creditcard_prediction_練手小項目

目錄所需環境庫以環境讀取數據並顯示數據各列信息設置訓練集和測試集訓練階段 所需環境庫以環境 import pandas as pd import matplotlib import matplotlib.pyplot as plt

原创 迴歸算法學習筆記——線性迴歸、隨機梯度(SGD、BGD)、邏輯迴歸(牛頓法)、Softmax迴歸算法、L1/L2正則化、Ridge、Lasso、ElasticNet

Python數據分析與挖掘 目錄線性迴歸梯度下降算法構建損失函數梯度下降法Logistic Regression算法sigmoid函數構造目標函數構造損失函數-極大似然估計梯度下降多分類問題優化算法:牛頓法切線法另一種理解方

原创 練手項目——Click-Through Rate Prediction 邏輯迴歸

系統環境: 操作系統:Windows 8.1 64-bit CPU:Intel i7-4200HQ 3.60GHz RAM:8GB GPU: GeForce GTX 970M (CUDA 10.1) 目錄讀取數據File de

原创 無監督機器學習學習筆記——極大似然估計、EM算法、聚類算法(K-means、DSCAN、層次聚類、AP)、降維(PCA、ICA、LDA)

目錄條件概率的拓展極大似然估計EM(Expectation-Maximization)算法聚類算法K-means(約束簇)DSCAN(非約束簇)層次聚類(非約束簇)AP(非約束簇)總結矩陣降維稀疏自編碼器PCA算法ICA算法字典學

原创 機器學習——決策樹、隨機森林(學習筆記)

筆記目錄決策樹基本流程劃分選擇1.ID3(信息增益):分類實例2.C4.5(信息增益比):分類3.CART(GINI係數):分類與迴歸剪枝算法預剪枝後剪枝隨機森林基本流程Out of bag error (OOBE)優缺點boos

原创 機器學習中特徵工程總結

特徵工程目的 目錄特徵工程目的特徵工程思考流程1. 搜索2. 清洗/向量化3. 標準化4.特徵選擇(過擬合後看看)5.特徵擴展(欠擬合後看看) 特徵工程思考流程 1. 搜索 查看數據列名: print(data_train.co