决策树是机器学习中应用很广泛的算法，它不仅可以处理分类和回归问题，还可以产出特征重要性、连续变量分箱等副产物。决策树有着可解释性强、原理简单、效率高的特点。在决策树算法的发展...
发简信
IP属地：江苏
-
机器学习笔记：决策树 -
朱小虎 Neil Zhu，University AI / CSAGI 创始人
-
概念速查：多项式分布
服从多项式分布的随机向量 满足如下条件： 1），且； 2）设 为任意非负整数，且 ； 事件 发生的概率为： 其中，，。 【举例】一个6面的均匀骰子，投掷6次，投掷结果为...
-
PyTorch深度学习笔记（7）：应用实例--FashionMNIST数据集
在上一篇文章中，我们介绍了如何用梯度下降法进行神经网络的训练与优化。现在我们用一个实际的数据集：FashionMNIST，完整的实现构建神经网络并训练优化，在这一过程中，我们...
-
PyTorch深度学习笔记（6）：神经网络的训练--梯度下降法在前面的文章中，我们介绍了为线性回归、二分类、三分类神经网络的优化选取适当的损失函数。我们知道，当损失函数的值越小，代表神经网络预测值与真实值之间的差异越小，模型效果越好。对...
-
PyTorch深度学习笔记（5）：神经网络的训练--损失函数
在前面的文章中，我们介绍了单层和多层神经网络的正向传播过程，同时也使用了torch.nn来实现这一过程。不难发现，模型中的权重对模型输出的预测结果起着很重要的作用。而前面我们...
-
PyTorch深度学习笔记（4）：完整实现一个多层神经网络的正向传播
本文将通过一个例子，使用torch.nn中Module类的继承来完整实现一个多层神经网络的正向传播过程。此外，文中将介绍类继承过程中定义init()函数时super()的用法...
-
PyTorch深度学习笔记（3）：多层神经网络的正向传播本文主要以异或门问题为例子，介绍多层神经网络。我们将从上一篇文章中介绍的单层神经网络出发，学习或门、非与门、异或门问题，了解单层神经网络在面对非线性问题（e.g. 异或门问题...
-
PyTorch深度学习笔记（2）：单层神经网络的正向传播本文将从一个简单的线性回归问题出发，构建单层神经网络，并手动实现它的正向传播。同时，我们将介绍如何使用PyTorch中的核心模块torch.nn来构建该线性回归的神经网络。最...
-
数学基础：最小二乘法
最小二乘法可以用来求解线性回归模型中权重参数的最优解，本文将对这一求解过程做简要概述。 线性回归模型 对于第 个样本 ()，我们有：其中，为样本 的标签， 为样本 的 ...
-
PyTorch深度学习笔记（1）：张量
张量Tensor是深度学习框架Pytorch中的基础数据结构。类似于Array是Numpy中的基础数据结构一样，tensor及其对应的方法函数，为在Pytorch上进行深度学...
-
❤️ 90后 • 硕士毕业于 华中科技大学<br>❤️ 公众号 CodeSheep 作者<br>❤️ IT咨询请公众号私信<br>❤️ 自学编程之路↓↓↓<br><a href="https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fhansonwang99%2FJavaCollection" target="_blank">https://github.com/hansonwang99/JavaCollection</a>
-
概念速查：Jeffrey's Prior
当构建 prior distribution 时，若没有足够的群体信息支持，我们通常希望构建的 prior 在我们的 posterior 中影响越小越好，即，posterio...
