- 激活函数 PyTorch实现了常见的激活函数，其具体的接口信息可参见官方文档，这些激活函数可作为独立的layer使用。这里将介绍最常用的激活函数ReLU，其数学表达式为： R e L U ( x ) = m a x ( 0 , x ) ReLU(x)=max(0,x) R 激活函数 PyTorch实现了常见的激活函数，其具体的接口信息可参见官方文档，这些激活函数可作为独立的layer使用。这里将介绍最常用的激活函数ReLU，其数学表达式为： R e L U ( x ) = m a x ( 0 , x ) ReLU(x)=max(0,x) R
- 什么是回归分析 回归分析（regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的变量的多少，分为一元回归和多元回归分析；按照因变量的多少，可分为简单回归分析和多重回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因... 什么是回归分析 回归分析（regression analysis)是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的变量的多少，分为一元回归和多元回归分析；按照因变量的多少，可分为简单回归分析和多重回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因...
- 来源：贪心学院，https://www.zhihu.com/people/tan-xin-xue-yuan/activities 笔者，最近参加的贪心科技的机器学习训练营。。。。。。。。 学习本是一个反复的过程。 竟然要我写笔记交作业，还要写在知乎。。。。。。。。 我知乎没文章啊啊啊啊 我赶紧找下之前写的博文 从简单的一元回归分析入门机器学习 用多元线性回... 来源：贪心学院，https://www.zhihu.com/people/tan-xin-xue-yuan/activities 笔者，最近参加的贪心科技的机器学习训练营。。。。。。。。 学习本是一个反复的过程。 竟然要我写笔记交作业，还要写在知乎。。。。。。。。 我知乎没文章啊啊啊啊 我赶紧找下之前写的博文 从简单的一元回归分析入门机器学习 用多元线性回...
- 分类学习 输入：一组有标签的训练数据(也称观察和评估)，标签表明了这些数 据（观察）的所署类别。 输出：分类模型根据这些训练数据，训练自己的模型参数，学习出一个 适合这组数据的分类器，当有新数据（非训练数据）需要进行类别判断，就 可以将这组新数据作为输入送给学好的分类器进行判断。 划分数据集 训练集(training set):顾名思义用来训练模型的已标注数据，... 分类学习 输入：一组有标签的训练数据(也称观察和评估)，标签表明了这些数 据（观察）的所署类别。 输出：分类模型根据这些训练数据，训练自己的模型参数，学习出一个 适合这组数据的分类器，当有新数据（非训练数据）需要进行类别判断，就 可以将这组新数据作为输入送给学好的分类器进行判断。 划分数据集 训练集(training set):顾名思义用来训练模型的已标注数据，...
- 学习率是深度学习中的一个重要的超参，如何调整学习率是训练出好模型的关键要素之一。 关于学习率的大小 在训练过程中，一般根据训练轮数设置动态变化的学习率。 刚开始训练时：学习率以 0.01 ~ 0.001 为宜。 一定轮数过后：逐渐减缓。 接近训练结束：学习速率的衰减应该在100倍以上。 两种学习率衰减模式，一种为线性衰减，一种为指数衰减... 学习率是深度学习中的一个重要的超参，如何调整学习率是训练出好模型的关键要素之一。 关于学习率的大小 在训练过程中，一般根据训练轮数设置动态变化的学习率。 刚开始训练时：学习率以 0.01 ~ 0.001 为宜。 一定轮数过后：逐渐减缓。 接近训练结束：学习速率的衰减应该在100倍以上。 两种学习率衰减模式，一种为线性衰减，一种为指数衰减...
- DBSCAN算法是一种基于密度的聚类算法： 聚类的时候不需要预先指定簇的个数 最终的簇的个数不定 DBSCAN算法将数据点分为三类： 核心点：在半径Eps内含有超过MinPts数目的点 边界点：在半径Eps内点的数量小于MinPts，但是落在核心点的邻域内 噪音点：既不是核心点也不是边界点的点 DBSCAN算法流程： 将所有点标记为核心... DBSCAN算法是一种基于密度的聚类算法： 聚类的时候不需要预先指定簇的个数 最终的簇的个数不定 DBSCAN算法将数据点分为三类： 核心点：在半径Eps内含有超过MinPts数目的点 边界点：在半径Eps内点的数量小于MinPts，但是落在核心点的邻域内 噪音点：既不是核心点也不是边界点的点 DBSCAN算法流程： 将所有点标记为核心...
- https://github.com/shunchan0677/Tensorflow_in_ROS Tensorflow_in_ROS 我做了一个ros-node从相机图像预测数字。我使用Tensorflow教程Deep MNIST模型（https://www.tensorflow.org/versions/r0.11/tutorials/mnist/pros/inde... https://github.com/shunchan0677/Tensorflow_in_ROS Tensorflow_in_ROS 我做了一个ros-node从相机图像预测数字。我使用Tensorflow教程Deep MNIST模型（https://www.tensorflow.org/versions/r0.11/tutorials/mnist/pros/inde...
- @Author：Runsen 什么是逻辑回归 回想一下线性回归，它被用于确定一个连续因变量的值。逻辑回归通常用于分类目的。与线性回归不同，因变量只能采用有限数量的值，即因变量是分类的。当可能结果的数量只有两个时，它被称为二元逻辑回归。 从大的类别上来说，逻辑回归是一种有监督的统计学习方法，主要用于对样本进行分类。 逻辑回归与线性回归的关系 逻辑回归也被称为... @Author：Runsen 什么是逻辑回归 回想一下线性回归，它被用于确定一个连续因变量的值。逻辑回归通常用于分类目的。与线性回归不同，因变量只能采用有限数量的值，即因变量是分类的。当可能结果的数量只有两个时，它被称为二元逻辑回归。 从大的类别上来说，逻辑回归是一种有监督的统计学习方法，主要用于对样本进行分类。 逻辑回归与线性回归的关系 逻辑回归也被称为...
- 贝叶斯算法中最重要用的用的最广的是 使用多项式朴素贝叶斯的地方是文本分类，其中特征与待分类文档中的字数或频率有关。 将使用20个新闻组语料库中的稀疏字数功能来将这些短文档分类。 数据集的介绍 使用 sklearn.datasets中的 fetch_20newsgroups 该数据集介绍 20 newsgroups数据集18000篇新闻文章，一共涉及到20种话... 贝叶斯算法中最重要用的用的最广的是 使用多项式朴素贝叶斯的地方是文本分类，其中特征与待分类文档中的字数或频率有关。 将使用20个新闻组语料库中的稀疏字数功能来将这些短文档分类。 数据集的介绍 使用 sklearn.datasets中的 fetch_20newsgroups 该数据集介绍 20 newsgroups数据集18000篇新闻文章，一共涉及到20种话...
- 下面我带大家整理下机器学习的回归算法 基本回归方法（线性、决策树、SVM、KNN）和集成方法（随机森林，Adaboost和GBRT） 下面是源码 import numpy as np import matplotlib.pyplot as plt def get_data(): x1_train = np.linspace(01234 下面我带大家整理下机器学习的回归算法 基本回归方法（线性、决策树、SVM、KNN）和集成方法（随机森林，Adaboost和GBRT） 下面是源码 import numpy as np import matplotlib.pyplot as plt def get_data(): x1_train = np.linspace(01234
- GridSearchCV GridSearchCV的主要参数 GridSearchCV(estimator, param_grid, cv=None, scoring=None) estimator: 代表我们想要采用的分类器，如决策树，随机森林，SVM,kNN，朴素贝叶斯等等 param_grid: 代表我们想要优化的参数和取值，输入的是字典或者列表... GridSearchCV GridSearchCV的主要参数 GridSearchCV(estimator, param_grid, cv=None, scoring=None) estimator: 代表我们想要采用的分类器，如决策树，随机森林，SVM,kNN，朴素贝叶斯等等 param_grid: 代表我们想要优化的参数和取值，输入的是字典或者列表...
- Dropout Dropout 是一类用于神经网络训练或推理的随机化技术，这类技术已经引起了研究者们的广泛兴趣，并且被广泛地应用于神经 网络正则化、模型压缩等任务。 其实很简单，只需要添加Dropout层 model=keras.models.Sequential() model.add(keras.layers.Dense(150, activation="re... Dropout Dropout 是一类用于神经网络训练或推理的随机化技术，这类技术已经引起了研究者们的广泛兴趣，并且被广泛地应用于神经 网络正则化、模型压缩等任务。 其实很简单，只需要添加Dropout层 model=keras.models.Sequential() model.add(keras.layers.Dense(150, activation="re...
- 声明：本文示例来自于GitHub用户vkasojhaa的项目，一切权利归其所有，此处仅是自己学习分享。 实现了基于机器学习的乳腺癌的恶性和良性预测，比较了不同机器学习算法之间的性能。主要目的是评估在每种算法的准确性和效率方面对数据进行分类的正确性。 loss # 损失值：预估值与实际值之间的均方差 optimizer # 优化器 trainer = ... 声明：本文示例来自于GitHub用户vkasojhaa的项目，一切权利归其所有，此处仅是自己学习分享。 实现了基于机器学习的乳腺癌的恶性和良性预测，比较了不同机器学习算法之间的性能。主要目的是评估在每种算法的准确性和效率方面对数据进行分类的正确性。 loss # 损失值：预估值与实际值之间的均方差 optimizer # 优化器 trainer = ...
- 先把来源写上 来源：贪心学院，https://www.zhihu.com/people/tan-xin-xue-yuan/activities 对于这个Titanic泰坦尼克号生存绝对有笔记 Seaborn数据可视化 通过Logistic Regression预测Titanic乘客是否能在事故中生还 导入工具库和数据查看缺失数据 2.1. 年龄2.2. 仓位2... 先把来源写上 来源：贪心学院，https://www.zhihu.com/people/tan-xin-xue-yuan/activities 对于这个Titanic泰坦尼克号生存绝对有笔记 Seaborn数据可视化 通过Logistic Regression预测Titanic乘客是否能在事故中生还 导入工具库和数据查看缺失数据 2.1. 年龄2.2. 仓位2...
- 来源： https://tensorflow.google.cn/tensorboard TensorBoard是TensorFlow中的又一神器级工具，想用户提供了模型可视化的功能。我们都知道，在构建神经网络模型时，只要模型开始训练，很多细节对外界来说都是不可见的，参数如何变化，准确率怎么样了，loss还在减小吗，这些问题都很难弄明白。但是，TensorB... 来源： https://tensorflow.google.cn/tensorboard TensorBoard是TensorFlow中的又一神器级工具，想用户提供了模型可视化的功能。我们都知道，在构建神经网络模型时，只要模型开始训练，很多细节对外界来说都是不可见的，参数如何变化，准确率怎么样了，loss还在减小吗，这些问题都很难弄明白。但是，TensorB...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签