wei22134-CSDN博客

原创从频率派和贝叶斯派的角度看线性回归

频率派和贝叶斯派硬币模型频率派和MLE(极大似然估计)贝叶斯派和MAP(最大后验估计)线性回归参数估计频率派贝叶斯派硬币模型对于一个问题，从概率派和贝叶斯派看起来是完全不一样的，其最主要的区别就是对于一个问题中模型参数的认识。假设抛一枚硬币，设硬币朝上的概率为θ\thetaθ频率派认为通过重复试验的统计结果可以估计θ\thetaθ,估计方法为极大似然估计(MLE)贝叶斯派认为θ\thetaθ服从某个分布，这个分布即为先验知识根据贝叶斯公式：而θ\thetaθ与服从的某个分布与样本XXX无关，

2021-04-19 13:29:11 235

原创（未完）论文笔记——理解深度学习需要重新思考泛化性(Understanding deep learning requires rethinking generalization)

论文——Understanding deep learning requires rethinking generalization1. 介绍随机实验显示正则化的作用Understanding deep learning requires rethinking generalization (ICLR2017)1. 介绍作者在这篇文章展示了为什么传统的方法不能解释大型网络在实践中具有良好的泛化性能。we show how these traditional approaches fail to

2021-03-02 21:51:26 1064

原创（未完）论文笔记——深层网络的公理化属性（Axiomatic Attribution for Deep Networks）

论文——Axiomatic Attribution for Deep Networks 1. 介绍Axiomatic Attribution for Deep Networks, ICML 20171. 介绍这是一篇关于模型可解释性的论文，研究了将深层网络的预测归因于其输入特征的问题, 简单的说就是通过研究输入与输出的关系，去理解模型的输入-输出行为。We study the problem of attributing the pre-diction of a deep network to

2021-02-26 21:15:52 1260

原创论文笔记——通过影响函数理解黑盒预测（Understanding Black-box Predictions via Influence Functions）

论文——Understanding Black-box Predictions via Influence Functions1. 介绍2. 方法2.1 一些定义2.2 更新（扰动）一个训练点未完待更新1. 介绍《Understanding Black-box Predictions via Influence Functions》这篇paper是来自2017年的ICML best paper的，其背景在摘要部分已经写明，即为了解释黑盒预测。所谓黑盒预测，在深度学习中，一个深层次的神经网络，往往能

2021-01-23 22:18:25 2331 5

原创（自记录）配置libtorch GPU VS2019,添加的lib依赖

torch.libtorch_cuda.libcaffe2_detectron_ops_gpu.libcaffe2_module_test_dynamic.libtorch_cpu.libc10_cuda.libcaffe2_nvrtc.libmkldnn.libc10.libdnnl.liblibprotoc.liblibprotobuf.liblibprotobuf-lite.libfbgemm.libasmjit.libcpuinfo.libclog.lib

2020-10-20 22:11:00 570

原创 Python学习笔记-——eventlet

eventlet一、eventlet是什么二、进程、线程、协程进程和线程进程与线程的区别并发和并行协程一、eventlet是什么eventlet - 具有WSGI支持的异步框架eventlet是python库函数，是一个处理和网络相关的，另一个可以通过协程实现并发可以实现’并发’(绿色线程),非阻塞对Python库函数改写,支持协程二、进程、线程、协程进程和线程进程是一个具有一定独立功能的程序在一个数据集上的一次动态执行的过程，是操作系统进行资源分配和调度的一个独立单位，是应用程序运行

2020-09-11 20:53:12 3299 3

原创 Python个人学习笔记

一、Python基础##1. 数据类型常用的有：整数、浮点数、字符串，dict: 字典类型,key-vaule 形式set：集合型元素不重复，只能存keylist: 列表有序集合2. 字符串和编码ASCII编码：1个字节Unicode:2个字节UTF-8:可变长编码3. 循环for…in 循环names=['aaa','bbb','ccc']for name in names print(name)二、函数1. 函数定义使用 de..

2020-09-02 19:35:44 1797

原创机器学习个人笔记——（六）神经网络（1）从线性回归到神经网络简单直观分析

神经网络一、线性回归与神经网络单层单个输出多个输出多层二、神经网络原理三、激活函数一、线性回归与神经网络神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。单层单个输出假设现需要预测房屋的出售价格，房屋通过以下特征，面积（x1x_{1}x1）空气指数（x2x_{2}x2），交通指数(x3x_{3}x3)，最终输出价格（yyy）面积（x1x_{1}x1）空气指数（x2x_{2}x2）交通指数(x3x_{3}x3)价格（yyy）1002540

2020-08-25 16:35:13 1442 1

原创 Python web学习笔记——（一）flask实现websocket+Echarts图表数据实时更新

flaskio+echarts实现图表实时更新项目概述遇到的问题Websocket 概述使用WebSocket协议的原因Flask实现WebSocket（全双工通信）方法一、使用flask-sockets（经过测试，无法连接）方法二、通过 `flask-sockeio` 实现WebSocket项目概述本人毕业设计是一个基于WSN的环境监控系统，实现流程如下：硬件端采集数据（包括温湿度，光照强度，当前位置经纬度等），并通过WiFi模块，上传至后端，后端采用JAVA编写，后端接收数据并对其进行存储，同时转

2020-08-14 19:00:24 6257 2

weixin_42582355的博客

原创从频率派和贝叶斯派的角度看线性回归

原创（未完）论文笔记——理解深度学习需要重新思考泛化性(Understanding deep learning requires rethinking generalization)

原创（未完）论文笔记——深层网络的公理化属性（Axiomatic Attribution for Deep Networks）

原创论文笔记——通过影响函数理解黑盒预测（Understanding Black-box Predictions via Influence Functions）

原创（自记录）配置libtorch GPU VS2019,添加的lib依赖

原创 Python学习笔记-——eventlet

原创 Python个人学习笔记

原创机器学习个人笔记——（六）神经网络（1）从线性回归到神经网络简单直观分析

原创 Python web学习笔记——（一）flask实现websocket+Echarts图表数据实时更新

原创机器学习个人笔记——（五）分类算法4、支持向量机（SVM）

原创机器学习个人笔记——（四）k-means

原创机器学习个人笔记——（三）线性回归，最小二乘法和梯度下降

原创机器学习个人笔记——（二）Logistic回归

原创机器学习个人笔记——（一）k近邻算法

空空如也

空空如也