人工智能 - sdk社区 | 技术至上

更多

热门最新

1 个月前 / SDK社区_运营团队

欢迎资深程序员老齐入驻sdk.cn

老齐，真名齐伟，苏州研途教育科技有限公司技术总监，多年从事网站开发、数据分析和机器学习等工作，拥有较丰富的工作经验。曾经受聘于浙江大学现代教育质量监测与服务研究所副研究员，专门从事有关数据统计分析工作，并主持研发相关的网络应用系统。老齐已经针对 Python 出了《跟老齐学 Python：轻松入门》、《跟老齐学 Python：Django 实战》、《跟老齐学 Python：数据分析》一系列图书和《AI 基础课|跟着老齐学 Python3（一）：入门系列》、《AI 基础课|跟着老齐学 Pyt

4 赞

4 评论

收藏
1 个月前 / Nexus_G / 学渣的机器学习之路

机器学习菜鸟的学习笔记（2）

2. 模型与代价函数2.1 模型展示x(i) 表示输入变量 (在本示例中为居住区域) y(i) 表示预测的输出或目标变量 (在本示例中为价格) (x(i), y(i) ) 被称为训练示例 x(i) (i = 1, . . . , m )被称为训练集。注意，符号中的上标（i）只是训练集中的一个索引，与幂运算无关。使用X表示输入值的空间，并使用Y表示输出值的空间。在此示例中，X = Y = ℝ当要预测的目标变量是连续的时（例如在住房示例中）为回归问题。当y只能采用少量离散值时

2 赞

3 评论

收藏
1 个月前 / Keyboarder

一种机器学习中兼具鲁棒性和自适应性的损失函数

前言损失函数是机器学习和深度学习领域最为核心的一个概念，其能够主导最终模型的结果和方向。本文将介绍在CVPR 2019上最新发表的一篇论文中介绍的一种兼具鲁棒性和自适应性的损失函数：A General and Adaptive Robust Loss Function。关于异常值和鲁棒的损失的问题：考虑机器学习问题中最常用的误差之一：==均方误差(MSE)==，它是(y-x)的形式。MSE的一个关键特征是它对大误差的灵敏度比小误差高。用MSE训练的模型将==偏向于减少最大的误差==。例如，误差为

2 赞

1 评论

收藏
1 个月前 / Nexus_G / 学渣的机器学习之路

机器学习菜鸟的学习笔记（1）

1.一些关于机器学习的介绍1.1 什么是机器学习？此处提供机器学习的两种定义。 Arthur Samuel 将其描述为：“研究领域使计算机无需进行明确编程即可学习。” 这是一个较旧的非正式定义。Tom Mitchell 提供了一个更现代的定义：“如果某计算机程序在T任务中的性能（由P衡量）随着经验E的提高而提高，则可以说它是从经验E中学习有关某类任务T和性能度量P的。”例如：如何让电脑玩好快乐风男E = 大量亚索玩家游戏的经验T = 让电脑每场都使用这个英雄P = 电脑使用亚索取胜的概率通常，

4 赞

0 评论

收藏
1 个月前 / 老齐 / Python语言

Python初学者应该了解的星号（*）

作者：mingrammer翻译：老齐与本文相关的图书推荐：《Python大学实用教程》与其他编程语言相比，Python语言的操作类型更多样化。特别是星号（*），在Python中是一个用途广泛的操作符，而不仅仅用于两个数字相乘的运算之中。在本文中，我们将讨论星号的多种用途。这里总结了4种星号的应用场景：作为乘法和乘方的运算符表示序列中元素的重复用于收集参数（可以称之为“打包”）用于容器类对象的解包下面逐一进行说明。乘法或乘方的运算符对此你一定不陌生，像乘法一样，Python中也内置了乘方运算符。>

3 赞

1 评论

收藏
1 个月前 / 老齐 / Python语言

用4个简单的函数提升for循环

作者：Yong Cui, Ph.D.翻译：老齐与本文相关的图书推荐：《Python大学实用教程》本书适合初学者使用，面向零基础学习者，详细讲述了Python语言的有关知识，并秉承面向对象这种主流开发思想。此外，书中配有大量的练习，学习者通过这些练习，更能体验到开发实践中的应用。概要在Python中，for循环经常被用于获得序列或者容器类的元素，比较让人熟知的就是针对可迭代对象的循环。for循环的基本语法如下：for item in iterable: # do something here

1 赞

0 评论

收藏
1 个月前 / Nexus_G / 学渣的机器学习之路

机器学习菜鸟的学习笔记（3）

3. 参数学习3.1 梯度下降 Gradient Descent现在，我们有了假设函数，并且有了一种方法来衡量它与数据的拟合程度。现在需要做的是估计假设函数中的参数。在此引入梯度下降。当代价函数位于图中凹坑的最底部时，即当其值最小，我们就成功了。红色箭头显示图中的最小点。方法是计算代价函数的导数（函数的切线）。切线的斜率是该点的导数，它提供一个方向。我们沿下降最陡的方向逐步降低代价函数。每个步骤的大小由参数α（称为学习率）确定。例如，上图中每个 “X” 之间的距离代表由参数α确定的步长。较小

0 赞

0 评论

收藏
1 个月前 / 老齐 / Python语言

如何使用Python的filter函数

介绍Python内置的filter()函数能够从可迭代对象（如字典、列表）中筛选某些元素，并生成一个新的迭代器。可迭代对象是一个可以被“遍历”的Python对象，也就是说，它将按顺序返回各元素，这样我们就可以在for循环中使用它。filter()函数的基本语法是:filter(function, iterable)返回一个可迭代的filter对象，可以使用list()函数将其转化为列表，这个列表包含过滤器对象中返回的所有的项。filter()函数所提供的过滤方法，通常比用列表解析更有效，特别是当

1 赞

0 评论

收藏
1 个月前 / 老齐 / Python语言

比较type()和isinstance()

与本文相关图书推荐：《Python大学实用教程》Python是一种动态语言，比如创建一个变量，一开始引用的是字符串，随后就可以再引用整数或者浮点数，解释器对这种变换也接受。这与类似Java那样的语言就完全不同了。name = "Sebastian"# 下面演示的就是动态语言特点name = 42name = Nonename = Exception() # 引用一个实例对象在程序中，检查变量所引用的对象是什么类型，对于Python程序也是必要的。一般我们会实用type()或者isinsta

1 赞

0 评论

收藏
13 天前 / 老齐 / Python语言

初学Python语言者必须理解的下划线

作者：mingrammer与本文相关的图书推荐：《跟老齐学Python：轻松入门》下划线（_）在Python语言中有特殊作用。在大多数编程语言中，下划线是命名变量或者函数名称时的连字符，但是，在Python语言中，不仅如此。如果你是一名Python程序员，对于诸如 _ in range(10) , __init__(self) 之类的下发肯定熟知。本文将详述下划线（_）的使用方法，帮助初学者理解它。在Python语言中，下划线主要应用在如下5个方面：在交互模式中，保存最近一个表达式的值忽略某个值

0 赞

0 评论

收藏
22 天前 / 老齐 / Python语言

Python中的命名空间和作用域

本文将介绍Python命名空间和作用域，它们用于分配Python程序中的对象。Python语言是一种能够实现面向对象编程的高级语言，或者说，在Python中，“万物皆对象”。例如，x = 'foo'中的x是一个变量，它应用了字符串对象'foo'。在一个复杂的程序中，会创建成百上千个这样的变量名称或者函数名称、类名称等，每个名称都指向特定的对象。Python如何跟踪所有这些名称，以便它们不会相互干扰呢？接下来就解决这个问题。命名空间命名空间是当前定义的符号名称以及每个符号名称所引用的对象的信息的集

1 赞

0 评论

收藏
8 天前 / Nexus_G / 学渣的机器学习之路

机器学习菜鸟的学习笔记（12）

写在前面在Coursera的机器学习中配套有相关的练习，然而这些练习是使用Octave实现的。不过，作为一个Python的初学者当然得知道强大的Python也是可以实现这些练习的，接下来就对其中的一些练习的关键代码进行分享。线性回归的实现文件读取作业中提供的csv文件含有两列数据。x是Profit in $10,000s, y代表了Population of City in 10,000s。所以我们先需要读取这个csv文件，使用csv中的reader方法便可以轻松实现。 with open(fi

1 赞

3 评论

收藏
1 个月前 / Nexus_G / 学渣的机器学习之路

机器学习菜鸟的学习笔记（5）

逻辑回归简单介绍问题的提出：预测变量y是离散值时候该怎么处理，也就是所谓的分类问题分类问题：假设有一堆属性值（自变量），通过这些属性判断这个东西到底属于0分类还是1分类。比如：通过邮件的很多属性，判断该邮件是否为垃圾邮件；判断某次交易是否为欺诈；判断肿瘤是良性还是恶性等等。为什么使用逻辑回归而不是线性回归？直观的想法：线性回归要求自变量和因变量均为数值型变量，取值范围为实数轴，但二分类问题的y天然不满足，只取在0到1之间，因此直接使用线性回归的方法也是不合适的，要先对其进行变换，转换到实数轴之

1 赞

0 评论

收藏
1 个月前 / 老齐 / Python语言

必须要了解的Python关键词

每种编程语言都会有一些特殊的单词，称为关键词。对待关键词的基本要求是，你在命名的时候要避免与之重复。本文将介绍一下Python中的关键词。关键词不是内置函数或者内置对象类型，虽然在命名的时候同样也最好不要与这些重名，但是，毕竟你还可以使用与内置函数或者内置对象类型重名的名称来命名。关键词则不同，它是不允许你使用。在Python3.8中提供了35个关键词，如下所示：False await else import passNone break excep

1 赞

1 评论

收藏
1 个月前 / Nexus_G / 学渣的机器学习之路

机器学习菜鸟的学习笔记（6）

上回说到既然不能用直线，那何不尝试一下用其他的线来拟合数据？假设表示sigmoid函数引入其中0表示负向类，1表示正向类，则输出为0≤hθ(x)≤1hθ(x)≥0.5，则预测y=1,既y属于正例hθ(x)假设函数为非线性小小补充下次将会介绍逻辑回归的代价函数，逻辑回归的代价函数将不同于线性回归，但是目的都是让损失最小化，回归本元其实思路是一样的。其实线性回归和逻辑回归的梯度下降数学推导并没有很复杂，动动手推一遍将会加深不少理解。从数学角度去理解这个过程其实是一个相当明智的。

0 赞

0 评论

收藏

加载中...