机器学习课程作业的代码。
实现了多类感知机、Softmax分类器(梯度上升和随机梯度上升)、基于高斯分布假设的贝叶斯模型、前向传播的单隐层神经网络(可变节点、利用交叉熵损失函数)、K-means聚类算法及其改进算法K-means++(按照自己的理解利用轮盘赌方法确定初始聚类中心点)和K-medoids。
任务本身很简单,代码写得有点乱,可视化做得还不错(建议关闭Pycharm的科学模式再运行我的代码),算是入门机器学习了(我这水平也敢提入门...)。
没有合适的资源?快使用搜索试试~ 我知道了~
机器学习课程作业的代码.zip
共16个文件
py:9个
txt:4个
md:2个
需积分: 5 0 下载量 142 浏览量
2024-04-16
22:43:33
上传
评论
收藏 361KB ZIP 举报
温馨提示
众所周知,人工智能是当前最热门的话题之一, 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习, 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么, 什么是机器学习呢? 机器学习 (Machine Learning) 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术,其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前,机器学习已成功地应用于下列领域: 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知,机器学习正在成为各行各业都会经常使用到的分析工具,尤其是在各领域数据量爆炸的今天,各行业都希望通过数据处理与分析手段,得到数据中有价值的信息,以便明确客户的需求和指引企业的发展。
资源推荐
资源详情
资源评论
收起资源包目录
机器学习课程作业的代码.zip (16个子文件)
content
Machine Learning Homework
K-medoids.py 5KB
K-means.py 4KB
Perceptron1.py 5KB
作业要求.png 230KB
GMM.py 3KB
Softmax.py 5KB
K-means++.py 5KB
FNN.py 5KB
GMM6.txt 40KB
Perceptron.py 4KB
GMM8.txt 40KB
GMM3.txt 80KB
FNN1.py 7KB
GMM4.txt 81KB
Readme.md 428B
README.md 594B
共 16 条
- 1
资源评论
生瓜蛋子
- 粉丝: 3924
- 资源: 7441
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 人和箱子检测2-YOLO(v5至v11)、COCO、CreateML、Paligemma、TFRecord、VOC数据集合集.rar
- 清华大学2022年秋季学期 高等数值分析课程报告
- GEE错误集-Cannot add an object of type <Element> to the map. Might be fixable with an explicit .pdf
- 清华大学2022年秋季学期 高等数值分析课程报告
- 矩阵与线程的对应关系图
- 人体人员检测46-YOLO(v5至v9)、COCO、Darknet、TFRecord数据集合集.rar
- GEMM优化代码实现1
- java实现的堆排序 含代码说明和示例.docx
- 资料阅读器(先下载解压) 5.0.zip
- 人、垃圾、非垃圾检测18-YOLO(v5至v11)、COCO、CreateML、Paligemma、TFRecord、VOC数据集合集.rar
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功