morie_li

寫(xiě)了一個(gè)兩層網(wǎng)絡(luò)的反向傳播過(guò)程

morie_li

裝飾器可以讓其他函數(shù)在不需要做任何代碼變動(dòng)的前提下增加額外功能，它的返回值也是一個(gè)函數(shù)對(duì)象。實(shí)質(zhì)： 是一個(gè)函數(shù)參數(shù)：是你要裝飾的函數(shù)名（并非函數(shù)調(diào)用）返回：是裝飾完的函數(shù)名（...

morie_li

今天在寫(xiě)一個(gè)append操作時(shí)芳来，發(fā)現(xiàn)前面的數(shù)據(jù)總是被覆蓋 無(wú)論怎么修改妄讯，結(jié)果總是 后來(lái)找到原因：python中辫愉，append只是拷貝了對(duì)象的引用而非對(duì)象本身伏社，稱之為淺拷貝每辟。t...

morie_li

邏輯回歸是一個(gè)分類算法饺藤，利用回歸來(lái)做分類.它可以處理二元分類以及多元分類包斑，邏輯回歸與線性回歸不同主要體現(xiàn)在以下兩點(diǎn)：1.sigmiod函數(shù)2.損失函數(shù)

morie_li

在模型學(xué)習(xí)的過(guò)程中，訓(xùn)練集的維度較多會(huì)引起訓(xùn)練時(shí)間的增大涕俗，且得到的模型結(jié)構(gòu)龐大罗丰，故需減少特征數(shù)量，但同時(shí)能夠避免信息的丟失再姑。將特征數(shù)量從幾百上千降低到幾十的過(guò)程就是數(shù)據(jù)降維萌抵。...

morie_li

聚類和決策樹(shù)一樣，屬于無(wú)監(jiān)督學(xué)習(xí)。也就是說(shuō)數(shù)據(jù)樣本只有特征x绍填，沒(méi)有給定y霎桅。聚類的目的是找到樣本特征潛在的類別，將同類別的樣本放在一起讨永。 kmeans的具體邏輯如下：1.隨機(jī)選...