- @Author：Runsen 上次介绍了顺序模型，但是在大多数情况下，我们基本都是以类的形式实现神经网络。 大多数情况下创建一个继承自 Pytorch 中的 nn.Module 的类，这样可以使用 Pytorch 提供的许多高级 API，而无需自己实现。 下面展示了一个可以从nn.Module创建的最简单的神经网络类的示例。基于 nn.Module的类的最低要求是... @Author：Runsen 上次介绍了顺序模型，但是在大多数情况下，我们基本都是以类的形式实现神经网络。 大多数情况下创建一个继承自 Pytorch 中的 nn.Module 的类，这样可以使用 Pytorch 提供的许多高级 API，而无需自己实现。 下面展示了一个可以从nn.Module创建的最简单的神经网络类的示例。基于 nn.Module的类的最低要求是...
- 文章目录 写在前面 试卷组成 教材 第一章：概论 一看就是重要的知识点 真题参考 第二章：预测 预测方法的分类 定性预测法（判断预测法） 时间序列预测法 简单例题 指数平滑预测法 回归模型预测法 一元线性回归方程 二元线性回归模型预测法（自考看一遍，了解即可） 季节性变动的预测（篇幅不大，大胆的预测考点不多） ... 文章目录 写在前面 试卷组成 教材 第一章：概论 一看就是重要的知识点 真题参考 第二章：预测 预测方法的分类 定性预测法（判断预测法） 时间序列预测法 简单例题 指数平滑预测法 回归模型预测法 一元线性回归方程 二元线性回归模型预测法（自考看一遍，了解即可） 季节性变动的预测（篇幅不大，大胆的预测考点不多） ...
- ML之LiR之PLiR：惩罚线性回归PLiR算法简介、分类、代码实现之详细攻略 目录 PLiR算法简介 PLiR算法分类 PLiR算法代码实现 PLiR算法简介 更新…… PLiR算法分类 1、RiR VS Lasso回归 图4-1 及图4-2 的曲线集合代表RiR公式和Lasso回归公式的系数惩罚项，... ML之LiR之PLiR：惩罚线性回归PLiR算法简介、分类、代码实现之详细攻略 目录 PLiR算法简介 PLiR算法分类 PLiR算法代码实现 PLiR算法简介 更新…… PLiR算法分类 1、RiR VS Lasso回归 图4-1 及图4-2 的曲线集合代表RiR公式和Lasso回归公式的系数惩罚项，...
- ML之LiR&LassoR：利用boston房价数据集(PCA处理)采用线性回归和Lasso套索回归算法实现房价预测模型评估 目录 利用boston房价数据集(PCA处理)采用线性回归和Lasso套索回归算法实现房价预测模型评估 设计思路 输出结果 核心代码 利用boston房价数据集(PCA处理)采用线性回归和L... ML之LiR&LassoR：利用boston房价数据集(PCA处理)采用线性回归和Lasso套索回归算法实现房价预测模型评估 目录 利用boston房价数据集(PCA处理)采用线性回归和Lasso套索回归算法实现房价预测模型评估 设计思路 输出结果 核心代码 利用boston房价数据集(PCA处理)采用线性回归和L...
- ML之UliR：利用非线性回归，梯度下降法(迭代十万次)求出学习参数θ，进而求得Cost函数最优值 目录 输出结果 代码设计 输出结果 更新…… 代码设计 import numpy as np import random def genData(numPoints,bias,variance): x = np.zeros(... ML之UliR：利用非线性回归，梯度下降法(迭代十万次)求出学习参数θ，进而求得Cost函数最优值 目录 输出结果 代码设计 输出结果 更新…… 代码设计 import numpy as np import random def genData(numPoints,bias,variance): x = np.zeros(...
- ML之SLR：简单线性回归；根据多组数据(x,y)模拟得到一次线性方程(斜率和截距)，然后输入新的x来智能预测y值 目录 输出结果 代码设计 输出结果 代码设计 import numpy as np def fitSLR(x,y): n=len(x) dinominator = 0 numera... ML之SLR：简单线性回归；根据多组数据(x,y)模拟得到一次线性方程(斜率和截距)，然后输入新的x来智能预测y值 目录 输出结果 代码设计 输出结果 代码设计 import numpy as np def fitSLR(x,y): n=len(x) dinominator = 0 numera...
- ML之LiR：基于编程实现简单线性回归案例 目录 LiR算法思路配图 编程实现简单线性回归案例 LiR算法思路配图 1、LiR输出结果 编程实现简单线性回归案例 结果显示 ML之LiR：基于编程实现简单线性回归案例 目录 LiR算法思路配图 编程实现简单线性回归案例 LiR算法思路配图 1、LiR输出结果 编程实现简单线性回归案例 结果显示
- 这是针对于博客vs2017安装和使用教程（详细）的R语言项目新建示例 目录 一、安装R语言依赖项 二、创建项目 三、运行脚本文件 四、简单的小例子（线性回归） 一、安装R语言依赖项 1.打开VS安装程序，在“web和云”下勾选“数据科学和分析应用程序” 2.点击修改，开始下载 3.等待安装 4.到这个界面说明安装已经接近尾声 5.安装... 这是针对于博客vs2017安装和使用教程（详细）的R语言项目新建示例 目录 一、安装R语言依赖项 二、创建项目 三、运行脚本文件 四、简单的小例子（线性回归） 一、安装R语言依赖项 1.打开VS安装程序，在“web和云”下勾选“数据科学和分析应用程序” 2.点击修改，开始下载 3.等待安装 4.到这个界面说明安装已经接近尾声 5.安装...
- 比如有5组数据，让你去做简单线性回归。 python代码实现上述过程 import numpy as np def fitSLR(x,y): n = len(x) dinominator = 0 numerator = 0 for i in range(0, n): numerator += (x[i] - np.mean(x))*(y[i] - np.mea... 比如有5组数据，让你去做简单线性回归。 python代码实现上述过程 import numpy as np def fitSLR(x,y): n = len(x) dinominator = 0 numerator = 0 for i in range(0, n): numerator += (x[i] - np.mean(x))*(y[i] - np.mea...
- 1 概率 条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为：P（A|B），读作“在B的条件下A的概率”。若只有两个事件A，B，那么， 对于如下图所示的图形，线性回归以已经没办法很好的解决问题 2 Logistic Regression(逻辑回归)基本... 1 概率 条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为：P（A|B），读作“在B的条件下A的概率”。若只有两个事件A，B，那么， 对于如下图所示的图形，线性回归以已经没办法很好的解决问题 2 Logistic Regression(逻辑回归)基本...
- 来源：本文来自《趣味数据周刊》 作者：herain 数据预测，不是实际值，不要迷信 一年一度的双11，我们喜欢买买买，更乐意看到全民双11会创作怎样的销售奇迹。2019年是第11个双11，希望我们的梦想一一实现，再创销售奇迹。 等不及，我们一起预测2019天猫双11销售额。 注释：times代表第几次，gmv代表销售额 1、历年销售预览： 2、简单... 来源：本文来自《趣味数据周刊》 作者：herain 数据预测，不是实际值，不要迷信 一年一度的双11，我们喜欢买买买，更乐意看到全民双11会创作怎样的销售奇迹。2019年是第11个双11，希望我们的梦想一一实现，再创销售奇迹。 等不及，我们一起预测2019天猫双11销售额。 注释：times代表第几次，gmv代表销售额 1、历年销售预览： 2、简单...
- 0 统计量：描述数据特征 0.1 集中趋势衡量 均值，平均数，平均值，mean 中位数：将数据中的各个数值按照大小顺序排列，居于中间的变量，若是偶个数，取中间两个均值 众数：数据出现次数最多的书 0.2 离散程度衡量 方差 variance 标准差 standard deviation，方差的开二次方 1 回归问题和分类问题区别： 回归问题：Y变... 0 统计量：描述数据特征 0.1 集中趋势衡量 均值，平均数，平均值，mean 中位数：将数据中的各个数值按照大小顺序排列，居于中间的变量，若是偶个数，取中间两个均值 众数：数据出现次数最多的书 0.2 离散程度衡量 方差 variance 标准差 standard deviation，方差的开二次方 1 回归问题和分类问题区别： 回归问题：Y变...
- 学习了一个学期机器学习算法，从什么都不懂到对十个机器学习算法有一定的了解，下面总结一下十大机器学习算法，从算法的概念、原理、优点、缺点、应用等方面来总结，如果有错误的地方，欢迎指出。 目录 1.决策树 2.线性回归 3.逻辑回归 4.支持向量机SVM 5.朴素贝叶斯 1.决策树 这个监督式... 学习了一个学期机器学习算法，从什么都不懂到对十个机器学习算法有一定的了解，下面总结一下十大机器学习算法，从算法的概念、原理、优点、缺点、应用等方面来总结，如果有错误的地方，欢迎指出。 目录 1.决策树 2.线性回归 3.逻辑回归 4.支持向量机SVM 5.朴素贝叶斯 1.决策树 这个监督式...
- 此部分仅仅是告诉你怎样用Tableau做这个模型，如果想要更加深刻的了解可以去看专门的统计学课程。 1 Chapter14 41、回归分析1、简单的线性回归模型2、其他的几种回归分析模型：1、对数模型2、指数模型3、幂模型4、多项式模型 42、时间序列分析1、创建人工服务接听量预测曲线2、预测模型评价 后话： 41、回归分析 回归分析：... 此部分仅仅是告诉你怎样用Tableau做这个模型，如果想要更加深刻的了解可以去看专门的统计学课程。 1 Chapter14 41、回归分析1、简单的线性回归模型2、其他的几种回归分析模型：1、对数模型2、指数模型3、幂模型4、多项式模型 42、时间序列分析1、创建人工服务接听量预测曲线2、预测模型评价 后话： 41、回归分析 回归分析：...
- 之前说过会陆续写一些基本的机器学习算法的原理、推导和应用的文章，今天开始连载啦。每篇文章的思路是这样的：通过实例引入这个算法的使用场景公式详细推导这个算法的实现原理借助 Python 类库来进行具体实践如果大家觉得有哪些可以优化的地方可以留言给我，我会慢慢完善的。再后面会陆续放送各个机器学习算法、深度学习模型及相关的实例实践，希望对大家有帮助。今天首先讲解最基本的机器学习算法，线性回归。线性... 之前说过会陆续写一些基本的机器学习算法的原理、推导和应用的文章，今天开始连载啦。每篇文章的思路是这样的：通过实例引入这个算法的使用场景公式详细推导这个算法的实现原理借助 Python 类库来进行具体实践如果大家觉得有哪些可以优化的地方可以留言给我，我会慢慢完善的。再后面会陆续放送各个机器学习算法、深度学习模型及相关的实例实践，希望对大家有帮助。今天首先讲解最基本的机器学习算法，线性回归。线性...
上滑加载中
推荐直播
-
OpenHarmony应用开发之网络数据请求与数据解析2025/01/16 周四 19:00-20:30
华为开发者布道师、南京师范大学泰州学院副教授，硕士研究生导师，开放原子教育银牌认证讲师
科技浪潮中，鸿蒙生态强势崛起，OpenHarmony开启智能终端无限可能。当下，其原生应用开发适配潜力巨大，终端设备已广泛融入生活各场景，从家居到办公、穿戴至车载。 现在，机会敲门！我们的直播聚焦OpenHarmony关键的网络数据请求与解析，抛开晦涩理论，用真实案例带你掌握数据访问接口，轻松应对复杂网络请求、精准解析Json与Xml数据。参与直播，为开发鸿蒙App夯实基础，抢占科技新高地，别错过！
回顾中 -
Ascend C高层API设计原理与实现系列2025/01/17 周五 15:30-17:00
Ascend C 技术专家
以LayerNorm算子开发为例，讲解开箱即用的Ascend C高层API
回顾中
热门标签