聚类：将数据划分成组的任务。这些组叫簇。k均值聚类(KMeans)迭代算法：将每个数据点分配给最近的簇中心->簇中心修改为所分配点的平均值->循环前两步，直至簇中心不再变化。import matplotlib.pyplot as pltfrom sklearn.datasets import make_moonsfrom sklearn.cluster import KMeans# t

k-NN算法，构建模型只需要保存训练数据集，对新数据点做出预测，算法会在数据集中找到最近的数据点（最近邻）。k近邻分类可视化：mglearn.plots.plot_knn_classification(n_neighbors=3)在forge数据集上的应用import mglearnimport matplotlib.pyplot as pltfrom sklearn.model_selectio

决策树决策树是广泛运用于分类和回归任务的模型。它从一层层的if/else问题中进行学习，并得出结论。构造决策树scilit-learn在DecisionTreeRegressor类和DecisionTreeClassifier类中实现决策树。from sklearn.tree import DecisionTreeClassifiertree = DecisionTreeClassifier(ra

主成分分析（PCA）是一种旋转数据集的方法，旋转后的特征在统计上不相关。用PCA做数据变换首先，算法在原始数据点集中，找到方差最大的方向（包含最多信息），标记为‘成分1’。->找到与“成分1”正交（成直角）且包含最多信息的方向，标记为“成分2”。利用这一过程找到的方向被称为主成分，一般主成分个数和原始特征数相同。从数据中减去平均值，是的变换后的数据以0为中心->旋转数据：使第一主成分与

StyleGan的学习摸摸索索着开始了，大部分参照别的博主大佬。会附上所有的学习链接。环境安装WIN10+CUDA10 +CUDNN7.5+ TENSORFLOW-GPU1.13.1 + python3.7 运行NVIDIA STYLEGAN 的安装过程和踩坑实录学习http://www.seeprettyface.com/research_notes.html...

下载数据绘制气温图表：CSV文件格式CSV格式存储：逗号分隔的一系列值。下载天气数据：https://www.wunderground.com/historyimport csvfrom matplotlib import pyplot as pltfrom datetime import datetime# 从文件中获取信息filename = 'sitka_weather_07-2014.cs

《21个项目玩转深度学习-基于TensorFLow的实践》windows环境

感知机需要人为设定符合预期输入输出的权重。神经网络可以自动地从数据中心学习到合适的参数。质朴感知机：指单层网络，激活函数使用了阶跃函数的模型。多层感知机：指神经网络，使用平滑的激活函数的多层网络。激活函数激活函数是将输入信号的总和转换为输出信号的函数。y = h(∑xi*wi)阶跃函数阶跃函数以阈值为界，一旦输入超过阈值，就切换输出。感知机中流动的是0或1的二元信号。import numpy as

感知机（perceptron）是具有输入和输出的算法。给定一个输入以后，将输出一个既定的值。类似于用编程实现数字逻辑中的电路。感知机将权重和偏置设定为参数。感知机会计算输入信号和权重的乘积，然后加上偏置，如果这个值大于0则输出1，否则输出0。b+w1x1+w2x2可以看作一位数组做得矩阵乘积[x1,x2]*[w1,w2]+b权重ω是控制输入信号的重要性的参数，偏置b是调整神经元被激活的容易程度（输

李宏毅2021/2022春机器学习课程目前进度P15Regression