- 博客(30)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 leetcode（力扣）单调栈题目解析记录（python版本）
其次，根据单调栈的特点，不难发现height[idx]小于height[stack[-1]]和height[i]，通俗来讲就是出现一个坑，可以接雨水。上面是由数组 [0,1,0,2,1,0,1,3,2,1,2,1] 表示的高度图，在这种情况下，可以接 6 个单位的雨水（蓝色部分表示雨水）。商品 1 的价格为 price[1]=4 ，你将得到 prices[3]=2 的折扣，所以最终价格为 4 - 2 = 2。while stack and nums[i]
2023-02-24 16:38:12
481
1
原创 Transformer——Decoder
ques:为什么需要mask？ans:如果没有mask，那么在训练的时候存在you和know。如下图，但是在测试的时候，没有mask，会出现误差，模型效果不好。需要mask 如图：训练的时候将you和know mask掉，保证一致性。
2022-09-22 14:43:30
510
原创 Transformer——注意力机制
如下图所示，婴儿在干嘛吗？判断婴儿再关注什么？颜色深表示主要注意力，颜色浅表示不那么注意。注意力机制公式：那么根据上述婴儿图篇可以抽象为：将图片的区域划分为四块，分别为左上、左下、右上、右下 （Key1~4）；（V1~4代表值向量）step1: 首先Key和Query做点乘，点乘结果越大其相似度越大step2: 将step1的结果和对应的V矩阵相乘，得到矩阵相加。即为注意力机制的和。
2022-09-22 12:50:53
1707
原创 什么是编码器、解码器？（CNN\RNN....)
以卷积神经网络为例，输入为一个猫，进行特征提取后输出图片类别。因此，这里可以简单的理解为：特征提取过程即为编码器，而分类过程即为解码器。使用编码器-解码器架构模型，编码器负责表示输入，解码器负责输出。以循环神经网络为例，输入为一个文本，进行特征提取后输出。
2022-09-17 13:13:43
13167
2
原创 （WHAT)模型选择+过拟合+欠拟合（深度学习）
除非另有明确说明，否则在这本书的实验中，我们实际上是在使用应该被正确地称为训练数据和验证数据的数据集，并没有真正的测试数据集。如果我们在模型选择过程中使用测试数据，可能会有过拟合测试数据的风险，那就麻烦大了。虽然理想情况下我们只会使用测试数据一次，以评估最好的模型或比较一些模型效果，但现实是测试数据很少在使用一次后被丢弃。特别是在深度学习领域，众所周知，最好的预测模型在训练数据上的表现往往比在保留（验证）数据上好得多。然而，我们也不能仅仅依靠训练数据来选择模型，因为我们无法估计训练数据的泛化误差。.....
2022-07-19 15:21:34
386
原创 感知机python实现鸢尾花分类
本文使用sklearn的鸢尾花数据。Iris数据集是常用的分类实验数据集，由Fisher,1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性（分别是花萼长度，花萼宽度，花瓣长度，花瓣宽度）。可通过这4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类的鸢尾花中的哪一类。Iris里有两个属性iris.data，iris.target。...
2022-07-15 11:55:25
6288
1
原创 线性回归原理（李沐老师学习笔记）
回归（regression）是能为一个或多个自变量与因变量之间关系建模的一类方法。在自然科学和社会科学领域，回归经常用来表示输入和输出之间的关系。例如最常见的线性回归y=kx+b;通常，我们使用n来表示数据集中的样本数。对索引为i的样本，其输入表示为x(i)=[x1(i),x2(i)]⊤，其对应的标签是y(i)。............
2022-07-15 11:05:38
1100
原创 感知机python代码实现
目录1、数据集准备1.1 导入包1.2 加载数据1.3 原始数据可视化 1.4划分数据集和标签 本文使用sklearn的鸢尾花数据。 sklearn.datasets.load_iris(*, return_X_y=False, as_frame=False) Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性（分别
2022-07-01 11:18:53
5252
7
原创 机器学习之感知机原理
目录一些概念什么二分类？什么是特征空间（特征向量）什么是线性可分？什么是感知机感知机预测 思考：为什么w.x+b=0? 感知机学习策略：1、什么是损失函数？2. 为什么使用损失函数？ 感知机学习算法的原始形式例题：感知机的对偶形式： 算法形式 例题在学习感知机之前首先要明确几个概念，什么是二分类？什么是特征空间？二分分类即分类结果标签只有两个。EG：输入歌曲特征，输出喜欢/不喜欢EG：输入学习时间，输出及格或者不及格线性变换的特征向量（本征向量）是一个非简并的向量，其方向在该变换下不变。该向量在此变
2022-07-01 08:52:59
409
原创 机器学习——神经网络（python）手写数字识别
一、定义一直以来，人们都认为神经网络是模仿生物体的神经网络设计而成的。er神经网络既可以用于回归，也可以用于分类，但在实际应用中常用于分类。基于神经网络的深度学习因在图像识别和语音识别等领域表现优异而广为容人之。神经元是神经网络算法的基本单元，它本质上是一种函数，接受外部刺激并根据输入产生对应的输出。它的内部可以看作线性函数和激活函数的组合，线性函数运算结果传递给激活函数，最终产生该神经元的输出结果。二、代码from sklearn.datasets import load_digit
2022-04-02 15:09:26
2392
1
原创 Sigmoid、rula、tanh激活函数（python实现）
目录一、定义1.1 激活函数定义1.2Sigmoid函数1.3 Tanh / 双曲正切激活函数1.4ReLU 激活函数二、代码三、结果一、定义1.1 激活函数定义激活函数（Activation Function）是一种添加到人工神经网络中的函数，旨在帮助网络学习数据中的复杂模式。类似于人类大脑中基于神经元的模型，激活函数最终决定了要发射给下一个神经元的内容。在人工神经网络中，一个节点的激活函数定义了该节点在给定的输入或输入集合下的输出。标准的计算机芯片电...
2022-04-02 14:29:28
4019
1
原创 机器学习——提升树
以上皆参考李航老师的《统计学习方法》，如博客有不足之处，还请指教！！！一、什么是提升树提升树（BT,Boosting Tree）是以分类树和回归树为基本分类器的提升方法。提升树被认为是统计学习中性能最好的方法之一。以决策树为基函数的提升方法称为提升树。二、提升树模型提升方法采用加法模型（即基函数的线性组合）与前向分步方法。对分类问题决策树是二叉分类树，对回归问题决策树是二叉回归树。提升树模型可以表示为决策树的加法模型：三、提升树算法那么具体怎么计算呢？首先，提升树
2022-03-31 20:23:09
4253
原创 机器学习——逻辑回归原理（python实现）
yong逻辑回归是一种用于有监督学习的分类任务的简单算法，虽然算法的名字为回归，但是逻辑回归常常用于分类。一、什么是逻辑回归1.1逻辑回归定义逻辑回归是一种学习某个事件发生概率的算法。利用这个概率，可以对事件进行二元分类。（也可以三种类别以上分类）。因为是概率，所以输出值范围是0-1。1.2 小栗子~（例子）比如suo，下雪天我们要不要穿棉鞋出门捏~(￣▽￣)~*？如果有积雪，我们就穿棉鞋出门，如果雪化了，我们就传平时滴鞋子~！！！我们用代码模拟一下数据：X轴代表温度，Y轴代
2022-03-29 16:04:12
4683
原创 机器学习——决策树
一、决策树定义：分类决策树模型是一种描述对实例进行分类的树形结构。决策树由结点（node）和有向边（directed edge）组成。结点有两种类型：内部结点（internal node）和叶结点（leaf node）。内部结点表示一个特征或属性，叶结点表示一个类。⚪：内部结点正方形：叶结点二、决策树特征选择2.1 特征选择问题特征选择在于选取对训练数据具有分类能力的特征。这样可以提高决策树学习的效率。如果用一个特征去分类，得到的结果与随机的分类没有很大差别，那么这次分类是无
2022-03-28 16:37:47
11161
原创 Python 实现朴素贝叶斯代码演示
朴素贝叶斯可以细分为三种方法：分别是伯努利朴素贝叶斯、高斯朴素贝叶斯和多项式朴素贝叶斯。下文就这三种方法进行详细讲解和演示。目录一、伯努利朴素贝叶斯方法1.1 例子解答1.1.1 代码：1.1.2 结果：二、高斯朴素贝叶斯方法2.1 解题2.1.1 代码：2.1.2 结果：2.2 检查高斯朴素贝叶斯的正确率2.2.1 代码：2.2.2 结果：三、多项式朴素贝叶斯方法3.1 多项式朴素贝叶斯实现新闻文本分类3.1.1 代码3.1.2 结果...
2022-03-25 18:28:37
13424
1
原创 机器学习——朴素贝叶斯
一、什么朴素贝叶斯（基于概率进行预测的算法，用于分类）朴素贝叶斯是基于贝叶斯定理与条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。具体来说：计算数据为某个标签的概率，并将其分类为概率值最大的标签。二、计算方法要求：输入是独立的。2.1 基本方法训练数据集：由P（X,Y)独立同分布产生。朴素贝叶斯法通过训练数据集学习联合分布P（X,Y).具体地，学
2022-03-24 20:39:01
1307
原创 Matlab实现频域滤波——二维傅里叶变换、低通、高通
目录1、二维傅里叶变换1.1二维傅里叶变换定义1.2性质2、低通滤波器2.1理想低通滤波器3、高通1、二维傅里叶变换1.1二维傅里叶变换定义 首先通过傅里叶变换将图像从空间域转换为频率域，然后在频率域内对图像进行处理，最后通过傅里叶反变换到空间域。1.2性质平移特性 旋转特性 尺度特性 卷积特性 相关特性 分离特性频域滤波原理：输出图像傅氏变换==系统频域相应×输入图像傅氏变换2、低通滤波器低频成分通过，去除（衰弱）高频成分...
2021-08-27 14:43:32
13937
2
原创 Matlab之空间域滤波——低通、中值滤波
图像滤波器的应用：去除噪声。均值滤波器的应用：提取感兴趣物体。低通滤波：图像平滑。 空间域滤波是指在图像空间中借助模板对图像领域进行操作，处理图像每一个像素值。主要分为线性滤波和非线性滤波两类，根据功能可分为平滑滤波器和锐化滤波器。平滑可通过低通来实现，平滑的目的有两类，一是模糊，目的是在提取较大的目标前去除太小的细节或将目标内的小尖端连接起来；二是去噪。锐化则可用高通滤波来实现，锐化的目的是为了增强被模糊的细节。...
2021-08-25 15:00:10
5239
原创 灰度变换以及直方图均衡（Matlab代码）
一、灰度变换灰度变换函数一般包括：线性变换、分段线性变换、非线性变换。1.1线性变换改变整体灰度级像素，具体代码如下：I=imread('ice.bmp');I_gray=im2gray(I);I2=255/20*(I_gray-50);figure;imshow(I);figure;imshow(I_gray);figure;imshow(I2);1.2 非线性变换针对具体内容进行抑制和突出。公式如下：首先获得灰度值直方图：具体代码如下：I.
2021-08-23 13:22:38
2425
原创 matlab实现图像直方图
图像直方图的用途：图像增强、图像分割（根据图像直方图获取阈值）、图像分类（直方图对比）。灰度直方图定义：灰度级函数，统计不同灰度像素的个数灰度直方图归——化统计不同灰度像素的的概率。，其中rk为灰度级，nk该灰度级的像素个数，N为图像像素总个数。代码：将按照公式进行计算灰度直方图，与系统进行对比具体代码如下：close all;clear all;clc;array=zeros(1,256);I=imread('ice.bmp');img=im2gray(I);.
2021-08-17 15:36:35
14019
1
原创 边缘分割技术之识别图像中的线段（MATLAB)
1、识别图像中的线段将图像点（x,y)某个领域中每个像素值都与模板中对相应的系数相乘，然后将结果进行累加，从而得到该点的新像素值。如果领域的大小为m×n，则总共有mn个系数。将这些系数组成的矩阵，称为模板或算子。通常采用的最小模板是3×3.对于像素中的间断点，常用的检测模板为：close all;clear all;clc;I=imread('ice.bmp');I=rgb2gray(I);h1=[-1 -1 -1;2 2 2;-1 -1 -1];h2=[-1 -1 2;-1
2021-08-13 13:41:10
1345
原创 图像的像素运算（Matlab）
1、图像点的运算1.1 线性灰度变换假定原图像A（x,y)的灰度变换范围为[a,b]，处理后的图像B（x,y)的灰度扩展为[c,d],利用imadjust()函数。close all;clear all;clc;gamma=0.5;I=imread("YW.jpg");R=I;R(:,:,2)=0;R(:,:,3)=0;R1=imadjust(R,[0.5 0.8],[0 1],gamma);G=I;G(:,:,1)=0;G(:,:,3)=0;G1=imadjust(G,[
2021-08-10 22:25:13
2702
原创 matlab，四种数字图像
1、空间分辨率：例如800*600的图像，就是指横向800个像素，竖向600个像素。2、灰度分辨率：指像素的数值f（x,y)的级数。若用8个比特来存储某图像的每个像素，则这个图像的灰度值为2^8,即灰度分辨率为256。3、做一张简单的灰度图像注：InitialMagnification'-图像显示的初始放大倍率100（默认） |数值标量|'fit'clear;clc;close allA=[0 230 255 60 30 100];A=uint8(A);i...
2021-08-06 15:12:31
1254
原创 matlab小实验，投掷骰子，检测所得到的点数是单数还是双数
function dicetest(result)switch result case{1,3,5} disp([num2str(result),'是单数']); %fprintf('%d 是单数\n'，result); case{2,4,6} disp([num2str(result),'是偶数']); % fprintf('%d 是双数\n',result); otherwise disp('都不是.
2021-08-02 12:39:39
2478
原创 matlab if语句应用
1、Matlab中由if语句做出判断，if语句的基本格式如下：if logical expression statementsend判断矩阵Adisp('请输入矩阵A:\n');A=input('A=');if A(:,1)==0 A=A(1:3,2:3); disp(A);end3、if{ }else{ }disp('请输入矩阵A:\');A=input('A=');if A(:,1)==0 A=A(1:3,2:3); ...
2021-08-02 10:07:46
28064
原创 Matlab实现两个矩阵的加法、乘法计算器
disp('请输入矩阵A和B');A=input('A=');B=input('B=');x=input('输入0停止运算\n');while x~=0choice=input('乘法输入1，加法输入2：');switch choice case 1,eval('disp(''乘法结果为：'');A*B'); case 2,eval('disp(''加法结果为: '');A+B');end;x=input('输入0停止运算\n');end;...
2021-07-27 15:19:30
2336
原创 Matlab学习笔记二（矩阵运算）
matlab中，矩阵的运算：目录matlab中，矩阵的运算：1、加减法2、乘法2.1矩阵乘法2.2 向量乘法：2.3 向量点积2.4向量叉积3、矩阵除法4、矩阵转置1、加减法如果A和B具有相同的维数，那么就可以定义A+B、A-B等加法、减法运算。对应位置上元素进行加减A=[1 2;3 4];B=[5 6;7 8];C_SUM=A+BC_JIAN=A-Bc_100=A+100结果：2、乘法2.1矩阵乘法如果...
2021-07-12 16:25:09
491
原创 Matlab实验及答案
初学matlab，使用2020a版本。在网上找到的一些实验指导书，做出答案供自己和大家学习。目录1、简单的矩阵输入、2、计算[12+2*(7-4)]/3^2的值3、矩阵×与.×的区别思考：如果矩阵阶数不同会如何？4、计算a/b和b\a的区别5、求矩阵所有小于零的下标并转换全下标6、.^2和^2的区别7、转换稀疏矩阵思考，sparse函数的使用方法：1、简单的矩阵输入、A=[1 2 3;4 5 6;7 8 9]2、计算[12+2*(7-4)]/3...
2021-07-10 17:51:02
1514
原创 Matlab学习笔记（数学函数）一
最近一直再看matlab5手册，写一些作为学习笔记。clc;x=1.7y1=abs(x)%绝对值sign(x)%x的符号，正1、负-1，零0sqrt(x)%根号pow2(x,10)%求x*2^flog(x)log10(x)log2(x)sin(x)cos(x)tan(x)cot(x)asin(x)%反函数acos(x)atan(x)atan2(pi,2)%求四象反正切(x/y),结果【-pi，pi】acot(x)sec(x)sinh(x)%双曲正弦...
2021-07-10 16:15:35
249
均值滤波、方框滤波、高斯滤波、中值滤波对比，python代码，线性变换、边缘检测、canny、课程设计
2022-03-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人