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...
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...
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...
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...
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...
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...
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...
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...
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...
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 ...
本文主要参考B站UP主GRNovmbrain的推导视频,链接如下:https://www.bilibili.com/video/BV1xk4y1B7RQ/?vd_source...
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...
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...