決策樹是機器學(xué)習(xí)中應(yīng)用很廣泛的算法烦却，它不僅可以處理分類和回歸問題，還可以產(chǎn)出特征重要性、連續(xù)變量分箱等副產(chǎn)物衔彻。決策樹有著可解釋性強、原理簡單拧额、效率高的特點碘裕。在決策樹算法的發(fā)展...
發(fā)簡信
IP屬地：江蘇
-
機器學(xué)習(xí)筆記：決策樹 -
概念速查：多項式分布
服從多項式分布的隨機向量 滿足如下條件： 1），且； 2）設(shè) 為任意非負整數(shù)柠贤，且 香浩； 事件 發(fā)生的概率為： 其中，种吸，弃衍。 【舉例】一個6面的均勻骰子，投擲6次坚俗，投擲結(jié)果為...
-
PyTorch深度學(xué)習(xí)筆記（7）：應(yīng)用實例--FashionMNIST數(shù)據(jù)集
在上一篇文章中镜盯，我們介紹了如何用梯度下降法進行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與優(yōu)化。現(xiàn)在我們用一個實際的數(shù)據(jù)集：FashionMNIST猖败，完整的實現(xiàn)構(gòu)建神經(jīng)網(wǎng)絡(luò)并訓(xùn)練優(yōu)化速缆，在這一過程中，我們...
-
PyTorch深度學(xué)習(xí)筆記（6）：神經(jīng)網(wǎng)絡(luò)的訓(xùn)練--梯度下降法在前面的文章中恩闻，我們介紹了為線性回歸艺糜、二分類、三分類神經(jīng)網(wǎng)絡(luò)的優(yōu)化選取適當?shù)膿p失函數(shù)幢尚。我們知道破停，當損失函數(shù)的值越小，代表神經(jīng)網(wǎng)絡(luò)預(yù)測值與真實值之間的差異越小尉剩，模型效果越好真慢。對...
-
概念速查：Jeffrey's Prior
當構(gòu)建 prior distribution 時，若沒有足夠的群體信息支持理茎，我們通常希望構(gòu)建的 prior 在我們的 posterior 中影響越小越好黑界，即，posterio...
-
PyTorch深度學(xué)習(xí)筆記（1）：張量
張量Tensor是深度學(xué)習(xí)框架Pytorch中的基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)皂林。類似于Array是Numpy中的基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)一樣朗鸠，tensor及其對應(yīng)的方法函數(shù)，為在Pytorch上進行深度學(xué)...
-
數(shù)學(xué)基礎(chǔ)：矩陣求導(dǎo)
本文主要參考B站UP主GRNovmbrain的推導(dǎo)視頻础倍，鏈接如下：https://www.bilibili.com/video/BV1xk4y1B7RQ/?vd_source...
-
數(shù)學(xué)基礎(chǔ)：最小二乘法
最小二乘法可以用來求解線性回歸模型中權(quán)重參數(shù)的最優(yōu)解烛占，本文將對這一求解過程做簡要概述。 線性回歸模型 對于第 個樣本 ()沟启，我們有：其中扰楼，為樣本 的標簽， 為樣本 的 ...
-
PyTorch深度學(xué)習(xí)筆記（2）：單層神經(jīng)網(wǎng)絡(luò)的正向傳播本文將從一個簡單的線性回歸問題出發(fā)美浦，構(gòu)建單層神經(jīng)網(wǎng)絡(luò)弦赖，并手動實現(xiàn)它的正向傳播。同時浦辨，我們將介紹如何使用PyTorch中的核心模塊torch.nn來構(gòu)建該線性回歸的神經(jīng)網(wǎng)絡(luò)蹬竖。最...