- 博客(64)
- 收藏
- 关注
RSS订阅原创 Python机器学习应用之监督学习-上证指数涨跌预测实例
数据介绍网易财经上获得的上证指数的历史数据，爬取了150天的上证指数数据。实验目的根据给出当前时间前150天的历史数据，预测当天上证指数的涨跌。技术路线sklearn.svm.SVC实验过程使用算法：SVM1 建立工程，导入sklearn相关包import pandas as pdimport numpy as npfrom sklearn ...
2018-08-01 09:22:11
2741
原创 Python机器学习应用之监督学习-人体运动状态信息评级
背景介绍可穿戴式设备的流行，让我们可以更便利地使用传感器获取人体的各项数据，甚至生理数据。当传感器采集到大量数据后，我们就可以通过对数据进行分析和建模，通过各项特征的数值进行用户状态的判断，根据用户所处的状态提供给用户更加精准、便利的服务。数据介绍我们现在收集了来自A，B，C，D，E 5位用户的可穿戴设备上的传感器数据，每位用户的数据集包含一个特征文件（a.feature）和一...
2018-04-20 16:36:20
2344
10
转载 Python机器学习应用-基于聚类的整图分割
图像分割利用图像的灰度、颜色、纹理、形状等特征，把图像分成若干个互不重叠的区域，并使用这些特征在同一区域内呈现相似性，在不同的区域之间存在明显的差异性。然后就可以将分割的图像中具有独特性质的区域提取出来用于不同的研究。 图像分割技术已在实际生活中得到广泛的应用。例如：在机车检验领域，可以应用到车轱裂纹图像的分割，及时发现裂纹，保证行车安全；在生物医学工程方面，对肝脏CT图像进行分割，为临床治...
2018-04-18 21:56:35
2204
1
转载 Python机器学习应用-降维之NMF
非负矩阵分解（NMF）非负矩阵分解（Non-negative Matrix Factorization，NMF）是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。基本思想：给定一个非负矩阵VVV，NMF能够找到一个非负矩阵WWW和一个非负矩阵HHH，使得矩阵WWW和HHH的乘积近似等于矩阵VVV中的值。 Vn∗m=Wn∗k∗Hk∗mVn∗m=Wn∗k∗Hk∗mV_{n*m}...
2018-04-17 21:25:49
5888
1
转载 Python机器学习应用-降维之PCA
主成分分析（PCA）主成分分析（Principal Component Analysis， PCA）是最常用的一种降维方式，通常用于高维数据集的探索与可视化，还可以用作数据压缩和预处理。PCA可以把具有相关性的高维变量合成为线性无关的低维变量，称为主成分。主成分能够尽可能保留原始数据的信息。相关术语：方差：是各个样本和样本均值的差的平方和的均值，用来度量一组数据分分散程度。...
2018-04-16 21:27:20
876
转载 Python机器学习应用-聚类之DBSCAN
DBSCAN密度聚类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。噪声点：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点、...
2018-04-12 21:02:30
1098
转载 Python机器学习应用-聚类之K-Means
K-Means聚类算法k-means算法以k为参数，把n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。随机选择k个点作为初始的聚类中心。对于剩下的点，根据其与聚类中心的距离，将其归入最近的簇。对每个簇，计算所有点的均值作为新的聚类中心。重复2，3直到聚类中心不再发生改变K-means的应用数据介绍：现有1999年全国31个省份城镇居民家庭平...
2018-04-12 20:23:17
1150
原创 Tensorflow实例：实现深度强化学习--策略网络
深度强化学习简介强化学习（reinforcement Learning）是机器学习的一个重要分支，主要用来解决连续决策的问题。强化学习可以在复杂的、不确定的环境中学习如何实现我们设定的目标。
2017-12-14 19:41:50
8306
1
原创 Tensorflow实例：实现Word2Vec（Skip-Gram模式）
Tensorflow实现Word2Vec（Skip-Gram模式）
2017-12-13 17:32:10
2238
2
原创 Tensorflow实例：实现ResNet
ResNet（Residual Neural Network）由微软研究院的Kaiming He等4名华人提出，通过使用Residual Unit成功训练152层深的神经网络，在ILSVRC 2015比赛中获得了冠军，取得3.57%的top-5错误率，同时参数量却比VGGNet低，效果非常突出。
2017-12-12 15:16:32
5724
1
原创 Tensorflow实例：实现AlexNet
AlexNet以显著的优势赢得了ILSVRC 2012比赛的冠军，可以说是神经网络在低谷期后的第一次发声，确立了深度学习在计算机视觉的统治地位，同时也推动了深度学习在语音识别、自动语言处理、强化学习等领域的扩展。 AlexNet将LeNet的思想发扬光大，把CNN的基础原理应用到了很深很宽的网络中。
2017-11-20 22:15:34
1968
原创 Tensorflow实例：实现进阶的卷积神经网络
在上一篇博客，我们实现了一个简单的卷积神经网络，没有复杂的Trick。接下来，我们将使用CIFAR-10数据集进行训练。
2017-11-17 16:45:57
2393
原创 Tensorflow实例：实现简单的卷积神经网络
CNN最大的特点在于卷积的权值共享结构，可以大幅减少神经网络的参数量，防止过拟合的同时又降低了神经网络模型的复杂度。本文通过Tensorflow实现一个简单的CNN，用于MNIST手写数字识别。
2017-11-17 11:18:01
2017
原创 Tensorflow基础：TensorBoard可视化
为了更好的管理、调试和优化神经网络的训练过程，Tensorflow提供了一个可视化工具TensorBoard。TensorBoard可以有效地展示Tensorflow在运行过程中的计算图、各种指标随着时间的变化趋势以及训练中使用到的图像等信息。TensorBoard简介TensorBoard是Tensorflow的可视化工具，它可以通过Tensorflow程序运行过程中输出的日志文件可视化Tenso
2017-11-13 21:46:01
864
原创 Deep Learning：Optimization for Training Deep Models（二）
Optimization for Training Deep Models
2017-10-31 19:11:00
463
原创 Deep Learning：Optimization for Training Deep Models(一)
How Learning Differs from Pure Optimization
2017-10-26 16:44:47
800
原创 Deep Learning：Optimization for Training Deep Models(零)
Deep Learning：Optimization for Training Deep Models
2017-10-26 15:15:13
499
原创 Deep Learning：正则化（十四）
Tangent Distance, Tangent Prop, and Manifold Tangent ClassifierMany machine learning algorithms aim to overcome the curse of dimensionality by assuming that the data lies near a low-dimensional manifol
2017-10-26 14:48:48
527
原创 Deep Learning：正则化（十一）
Bagging and Other Ensemble Methods:Bagging (short for bootstrap aggregating) is a technique for reducing generalization error by combining several models.
2017-10-25 10:07:28
641
原创 Deep Learning：正则化（六）
Semi-Supervised Learning:In the paradigm of semi-supervised learning, both unlabeled examples from P(x) and labeled examples from P (x, y) are used to estimate P (y | x) or predict y from x.
2017-10-24 09:26:25
357
原创 Deep Learning：正则化（五）
Noise Robustness:Dataset Augmentation has motivated the use of noise applied to the inputs as a dataset augmentation strategy.
2017-10-23 23:59:58
496
原创 Deep Learning：正则化（四）
Dataset Augmentation：The best way to make a machine learning model generalize better is to train it on more data.
2017-10-23 23:00:50
397
原创 Deep learning：正则化（三）
Regularization and Under-Constrained ProblemsMany linear models in machine learning, including linear regression and PCA, depend on inverting the matrix
2017-10-23 17:37:20
383
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人