分类数据

写在前面：今天是参加DataCastle比赛的第4天，在我妄图手写Boosting然而效率低的一B的时候，用sklearn的RF（RandomForest）没有优化参数、没有特征提取的情况下，居然都比我自己写的AdaBoost要好 ，所以我们目前的工作从编码实现转到了对sklearn的熟悉，然则求一中文文档而不得，英文渣渣的我也只能自己来翻译了。一则刚入ML坑的新人也在学习过程，二则英语渣渣星人有些我可能自己也看不懂，翻译不到位忘见谅了。 An introduction to machine learning with scikit-learn 1 机器学习：问题设定 一般来说，机器学习问题可以这样来理解：我们有n个 样本 (sample)的数据集，然后去预测未知数据的属性。如果描述每个样本的数字不只一个数字，比如一个多维的条目（也叫做 多变量数据 (multivariate data)），那么这个样本就有多个属性或者 特征 。 我们可以将学习问题分为以下几类： 监督学习(supervised learning)是指样本数据中包括了我们想预测的属性，监督学习问题有以下两类： 分类（classification）:样本具有两个或多个类别，我们希望通过从已标记类别的数据学习，来预测未标记数据的分类。例如，识别手写数字就是一个分类问题，其目标是将每个输入向量对应到有穷的数字类别

概念 为了得到一致假设而使假设变得过度严格称为过拟合[1] 给定一个假设空间H，一个假设h属于H，如果存在其他的假设h’属于H,使得在训练样例上h的错误率比h’小，但在整个实例分布上h’比h的错误率小，那么就说假设h过度拟合训练数据。 过拟合的示意图： 在上图中训练样本存在噪声，为了照顾它们，分类曲线的形状非常复杂，导致在真实测试时会产生错分类. 直白理解：在神经网络中，首先根据训练数据集进行训练，训练结果的好坏，通过一个损失函数的对预测值和实际真实值进行判断，当预测值和真实值对比，损失最小时，即拟合的很好，则训练的结果OK，如上图，蓝色的分类和红色的分类，通过复杂的曲线，完全在训练集上分类准确。其实用这个曲线去分类或预测实际（测试）数据集时，则会出现不准确的现象，则这种情况就是过拟合。如下图： 上图a，在训练集上，中间的虚线，已完全分开了小圆点和三角形，但是在测试集上（上图b），虚线还是把原点分类到了三角形这边。 表1 过拟合与欠拟合的判断标准 过拟合原因 （1）建模 样本 选取有误，如样本数量太少，选样方法错误，样本标签错误等，导致选取的样本数据不足以代表预定的分类规则； （2）样本噪音干扰过大，使得机器将部分噪音认为是特征从而扰乱了预设的分类规则； （3）假设的模型无法合理存在，或者说是假设成立的条件实际并不成立； （4）参数太多，模型复杂度过高； （5）对于 决策树 模型

目录 K-NN的定义 K-NN的注意事项 K-NN 与K-Means 代码实现 总结 K-NN的定义 今天，我们来分享一个“街知巷闻”入门级别的分类算法 —— K-NN 。相信提到这个词的时候小伙伴们都有：噢~是它。这里题外话一下，为什么说K-NN是“街知巷闻”入门级别呢？其实他有如下特点： 算法思想非常简单 对数学以来少，非常适合初学者 虽然它的体量小，却可以走完监督学习的整个流程 可以通过它来入门监督学习，然后扩展其他算法 首先说一下，K-NN属于分类算法，那么分类算法是属于监督学习。所以K-NN是监督学习算法，它需要带label的数据。关于分类和聚类，我在过去的文章有讲过，大家可以回看一下。 什么是分类算法？ / 什么是聚类算法？ 那么到底什么是K-NN呢？看过过去文章的都知道，我比较喜欢通过拆解算法名字来初步理解算法是做什么的。K-NN，全称叫做：K-Nearest Neighboors，中文翻译：K-最近的 邻居们。假设我们的数据如下图，有很多个点。首先解释 Nearest 的，看到远近就应该想到距离。那么常用的距离计算方式我们有欧式距离、马氏距离、名氏距离甚至绝对值距离也是OK的。而 Neighboors 就是邻居们的意思。但在数据里面，我们一般用点来表示。所以也可以理解为是附近的点。那么K是一个正数，它代表多少个点。 所以整个K-NN的理解就是： K个最近的邻居点

本文原地址 https://www.cnblogs.com/subconscious/p/4107357.html 拜读原文之后，无比喜欢，怕以后找不到，所以转载，大家喜欢可以去看原文，真的很精彩。 从机器学习谈起 　　在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。这篇文档也算是EasyPR开发的番外篇，从这里开始，必须对机器学习了解才能进一步介绍EasyPR的内核。当然，本文也面对一般读者，不会对阅读有相关的前提要求。 　　在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？ 　　我并不直接回答这个问题前。相反，我想请大家看两张图，下图是图一： 图1 机器学习界的执牛耳者与互联网界的大鳄的联姻　　 　　这幅图上上的三人是当今机器学习界的执牛耳者。中间的是Geoffrey Hinton, 加拿大多伦多大学的教授，如今被聘为“Google大脑”的负责人。右边的是Yann LeCun, 纽约大学教授，如今是Facebook人工智能实验室的主任。而左边的大家都很熟悉，Andrew Ng，中文名吴恩达，斯坦福大学副教授，如今也是“百度大脑”的负责人与百度首席科学家。这三位都是目前业界炙手可热的大牛，被互联网界大鳄求贤若渴的聘请，足见他们的重要性。而他们的研究方向

目录 一、torch和torchvision 1、torchvision.datasets 2、torchvision.models 3、torchvision.transforms 4、torchvision.utils 二、MNIST手写数字识别 1、获取MNIST训练集和测试集 2、数据装载 3、数据预览 4、构建卷积神经网络模型 5、对模型进行训练和参数优化 6、对训练模型进行保存和加载 7、MNIST手写数字识别完整代码 三、CIFAR10图像分类 1、CIFAR10数据集介绍 2、CIFAR10图像分类实现 3、在GPU上跑神经网络 一、torch和torchvision PyTorch 中有两个核心的包，分别是 torch 和 torchvision 。 torch.nn 包提供了很多与实现神经网络中的具体功能相关的类，torch.optim包中提供了非常多的可实现参数自动优化的类，torch.autograd实现自动梯度的功能等。 torchvision 包含了目前流行的数据集，模型结构和常用的图片转换工具，它的主要功能是实现数据的处理、导入和预览等，所以如果需要对计算机视觉的相关问题进行处理，就可以借用在torchvision包中提供的大量的类来完成相应的工作。 1、torchvision.datasets torchvision.datasets

原文链接： https://www.cnblogs.com/lsgsanxiao/p/6955502.html 机器学习入门好文，强烈推荐（转） 转自 飞鸟各投林 史上最强----机器学习经典总结---入门必读----心血总结-----回味无穷 让我们从机器学习谈起 导读：在本篇文章中，将对 机器学习 做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。当然，本文也面对一般读者，不会对阅读有相关的前提要求。 在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？ 我并不直接回答这个问题前。相反，我想请大家看两张图，下图是图一： 图1 机器学习界的执牛耳者与互联网界的大鳄的联姻 这幅图上上的三人是当今机器学习界的执牛耳者。中间的是Geoffrey Hinton, 加拿大多伦多大学的教授，如今被聘为“Google大脑”的负责人。右边的是Yann LeCun, 纽约大学教授，如今是Facebook人工 智能 实验室的主任。而左边的大家都很熟悉，Andrew Ng，中文名吴恩达，斯坦福大学副教授，如今也是“百度大脑”的负责人与百度首席科学家。这三位都是目前业界炙手可热的大牛，被互联网界大鳄求贤若渴的聘请，足见他们的重要性。而他们的研究方向，则全部都是机器学习的子类-- 深度学习 。 下图是图二： 图2

主要有以下分类： 1.数据定义语言（Date Definition Language，DDL）： create table 可以创建表、alter table 可以对表结构进行修改、drop table 删除某个表。 2.数据查询语言：select用户检索数据库数据。 3.数据操纵语言（Date Manipulation Language，DML）：insert、update、delete。 4.数据控制语言（Date Control Language，DCL）： grant 用于给用户或者角色授予权限、 revoke 收回用户或者角色所具有的权限。 5.事物控制语言(Transactional Control Language,TCL)： commit 用于确认已经进行的数据库改变、 rollback 用于取消已经进行的数据库改变、 savepoint 用于设置保存点，以取消部分数据库改变。 SQL语句的编写规则： SQL关键字、对象名、列明 ，不区分大小写；但SQL语句引用 字符值和日期值 ，必须要注意大小写。 如： select * from dept t where t.dname= 'SALES' ; 来源： https://www.cnblogs.com/ztf2008/archive/2009/01/12/1374189.html

版权声明：本文为博主原创文章，未经博主允许不得转载。 1. 图片数据处理 2. 卷积神经网络 2.1. 卷积层 2.2. 池化层 2.3. 全链层 3. AlexNet 4. 用Tensorflow搭建完整的AlexNet 5. 用AlexNet识别猫狗图片 5.1. 定义分类 5.2. 训练网络 5.3. 验证 1. 图片数据处理 一张图片是由一个个像素组成，每个像素的颜色常常用RGB、HSB、CYMK、RGBA等颜色值来表示，每个颜色值的取值范围不一样，但都代表了一个像素点数据信息。对图片的数据处理过程中，RGB使用得最多，RGB表示红绿蓝三通道色，取值范围为0~255，所以一个像素点可以把它看作是一个三维数组，即： array([[[0, 255, 255]]]) ，三个数值分布表示R、G、B（红、绿、蓝）的颜色值。比如下图一张3*3大小的jpg格式的图片: 它的图片经过Tensorflow解码后，数据值输出为 image_path = 'images/image.jpg' filename_queue = tf.train.string_input_producer(tf.train.match_filenames_once(image_path)) image_reader = tf.WholeFileReader() _,image_file = image

1、创建商品分类分支goods_cate并push到远程 查看分支： git branch 创建分支： git checkout -b goods_cate 推送到远程：（以前码云中没有该分支，所以要加-u，如果码云中有该分支，则不需要加-u） git push -u origin goods_cate 2、通过路由加载商品分类组件 新建goods文件夹和Cate.vue文件： <template> <div> <h3>商品分类组件</h3> </div> </template> <script> export default { } </script> <style lang="less" scoped> </style> 添加路由： import Cate from '../components/goods/Cate.vue' const routes = [ { path: '/', redirect: '/login' }, // 重定向 { path: '/login', component: Login }, { path: '/home', component: Home, redirect: '/welcome', // 重定向 children: [ // 子路由 { path: '/welcome', component: Welcome }, { path:

Logistic回归是一种广义的回归模型，其与多元线性回归有着很多相似之处，模型的形式基本相同，虽然也被称为回归，但是其更多的情况使用在分类问题上，同时又以二分类更为常用。 回归和分类：回归问题得到的结果是 连续 的，比如通过学习时间预测成绩 分类问题是将数据分成几类，比如根据邮件信息将邮件分成垃圾邮件和有效邮件两类 Logistic回归的模型形式和线性回归一样，都是y=wx+b, 其中x可以是一个多维的特征，唯一不同的地方在于Logistic回归会对y作用一个logistic函数，将其变为一种概率的结果。Logistic 函数作为Logistic回归的核心，也被称为Sigmoid函数。 Sigmoid函数 可以看到Sigmoid函数的范围是在0~1之间，所以任何一个值经过了Sigmoid 函数的作用，都会变成0~1之间的一个值，这个值可以形象地理解为一个概率，比如对于二分类问题，这个值越小就表示属于第一类，这个值越大就表示属于第二类。 损失函数： Logistic回归使用了Sigmoid函数将结果变到0~1之间，对于任意输入一个数据，经过Sigmoid之后的结果我们记为yΛ, 表示这个数据点属于第二类的概率，那么其属于第一类的概率就是1 - yΛ.如果这个数据点属于第二类，我们希望y越大越好，也就是越靠近1越好，如果这个数据属于第一类，那么我们希望1- yΛ越大越好