过载的土豆-CSDN博客

原创如何用人工智能预测股票(完整项目)

本文由沈庆阳所有,转载请与作者取得联系!前言十分钟实现人工智能股价预测，是一个深度学习的练习项目。其通过机器学习算法，根据过去几年与某只股票相关的K线走势、公司相关报道的情感分析作为数据集，通过训练来得到可以预测股价的机器学习模型，并用该模型对股价进行预测。本项目使用几种不同的算法（线性回归、神经网络和随机森林）对股票进行预测，并对各自的效果进行比较。运行本项目需要Pyth...

2018-06-01 12:52:25 57284 20

原创 TensorFlow实战-1 以神经网络算法为例的入门

本文由沈庆阳所有,转载请与作者取得联系!TensorFlow相关概念　计算图(Graph)计算图是TensorFlow中最基本的一个概念。在TensorFlow的程序中，所有的计算操作都会被转化为一张计算图上面的一个节点。使用TensorBoard可以清晰地查看TensorFlow程序生成的计算图。计算图的使用TensorFlow的程序一般分为2个部分。第一...

2018-07-10 11:20:22 2502

原创从零开始机器学习-19 RNN：循环神经网络

本文由沈庆阳所有,转载请与作者取得联系!前言相比于适合单个对象的卷积网络（Convolutional Neural Network，CNN），循环网络（Recurrent Neural Network，RNN）更加适合序列类型的数据。循环网络应用最多的领域有：机器翻译、语音识别、文章/音乐创作等。这是因为卷积网络的设计理念是在空间上共享参数，而循环网络的设计理念是在实践上共享参数。...

2018-06-28 16:31:38 1048

原创从零开始机器学习-18 CNN：卷积神经网络

本文由沈庆阳所有,转载请与作者取得联系!前言卷积网络的应用并非始于近期，而早在上世纪90年代的时候就已经有所应用。由于运算性能的提升与数据量的爆炸（GPU与大数据），使得深度学习爆发性地发展，而卷积网络正是深度学习爆发的莫大功臣。卷积神经网络（CNN，Convolutional Neural Networks）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元...

2018-06-21 10:38:26 10213

原创 PyQT5速成教程-3 布局管理

布局（Layout）管理Qt Designer中，在工具箱中最上方可以看到有4种布局。分别是垂直布局、水平布局、栅格布局和表单布局。布局名称布局含义垂直（Vertical）布局布局内的控件按照从上到下的顺序纵向排列水平（Horizontal）布局布局内的控件按照从左到右的顺序横向排列栅格（Grid）布局将控件放入栅格中，...

2018-06-07 17:08:52 2854 6

原创 PyQT5速成教程-2 Qt Designer介绍与入门

Qt Designer的介绍在PyQt中编写UI界面可以直接通过代码来实现，也可以通过Qt Designer来完成。Qt Designer的设计符合MVC的架构，其实现了视图和逻辑的分离，从而实现了开发的便捷。Qt Designer中的操作方式十分灵活，其通过拖拽的方式放置控件可以随时查看控件效果。Qt Designer生成的.ui文件（实质上是XML格式的文件）也可以通过pyuic5工具转换...

2018-06-04 20:30:39 26585 4

原创 PyQT5速成教程-1 简介与环境搭建

本文由沈庆阳所有,转载请与作者取得联系!PyQt简介一个良好的界面是人机交互中十分重要的一环。 Python作为脚本语言，起初并未拥有GUI开发的部分。但随着其开放的扩展性，使得Python不断壮大，有PyQt、Tkinter，PyGUI等GUI Toolkit以供GUI开发。 PyQt是Python语言的GUI编程解决方案之一。可以用来代替Python内置的Tkinte...

2018-06-02 15:44:06 18706 4

原创从零开始机器学习-17 神经网络的训练过程

本文由沈庆阳所有,转载请与作者取得联系!损失函数在神经网络训练的时候往往要确定目标函数，也就是损失函数。在训练的时候，损失函数的选择有很多种，最常用的则是均方误差（mean-square error, MSE）。假定一个多分类问题，其输出的类别有N个类别，我们希望每个输出都是以概率的形式进行输出。则在所有输出中得分最高的也就是最有可能的类别，因此则需要在输出层使用Softmax...

2018-06-01 12:52:10 2385 2

原创从零开始机器学习-16 初探神经网络（Neural Network）

本文由沈庆阳所有,转载请与作者取得联系! 神经网络（Neural Network）的研究可以追溯到很早的时候，神经网络这门学科交杂着各种不同的领域。在机器学习的问题中，神经网络指的是“神经网络学习”，即机器学习与神经网络相重合的部分。1988年，Kohonen这样定义神经网络：神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互...

2018-06-01 12:51:55 590

原创从零开始机器学习-15 分类

本文由沈庆阳所有,转载请与作者取得联系!内容分类阈值真假、正负例准确率精确率与召回率ROC曲线预测偏差分类阈值逻辑回归的返回值是概率。其返回既可以按“原样”返回，也可以转换成二元值返回。以对垃圾邮件的预测为例，如果逻辑回归的返回概率为0.9999（十分高），那么可以断言这一定是一封垃圾邮件。如果返回的概率为0.0001（十分低...

2018-06-01 12:51:40 764

原创从零开始机器学习-14 逻辑回归

本文由沈庆阳所有,转载请与作者取得联系! ###前言在使用线性回归来预测垃圾邮件的时候，我们的预测结果不是1（是垃圾邮件）就是0（不是垃圾邮件）。而逻辑回归的预测会是介于0到1之间（不包含0和1）的一个概率值。如对于垃圾邮件的预测，逻辑回归模型输出的值为0.8，则该邮件是垃圾邮件的概率就是80%。逻辑回归适用于那些需要将概率作为估算值输出的问题，同时逻辑回归也适用于二元分类。...

2018-06-01 12:51:26 359

原创从零开始机器学习-13 正则化

本文由沈庆阳所有,转载请与作者取得联系!前言正则化是确保机器学习效果的一个重要因素。正则化(Regularization)指的是降低模型的复杂度来减少过拟合，其实质是让机器学习程序不要过于依赖和信赖样本。对于过拟合，用以下的例子来解释最为贴切。假设你跟一个英国人学英语，起初你的进行还不错，很快掌握了英语的一些语法与单词。但因为你只跟这一个人学习英语，最后你会将他的口音，方言...

2018-06-01 12:51:10 285

原创从零开始机器学习-12 特征组合

本文由沈庆阳所有,转载请与作者取得联系!前言在我们进行机器学习模型训练的过程中，使用单一特征似乎并不能很好的解决我们的问题。比如，单纯地依靠房屋面积来预测房屋单价是不可取的。因为，地理位置、人均房间数等都是会对房屋单价产生影响的特征。如果需要用到多个特征作为输入，则需要将两个或多个特征相乘形成合成特征。这种做法就叫特征组合。使用特征组合可以明显地增强我们机器学习模型的预测能...

2018-06-01 12:50:54 2728

原创从零开始机器学习-11 特征工程（下）

本文由沈庆阳所有,转载请与作者取得联系! 在特征工程（上），我们提到了坏数据对整个数据集的危害，那么我们有什么方法去挑选出并剔除坏数据呢？缩放缩放，顾名思义，将特征值从自然范围（比如0到1000）转换到标准范围（0到1或-1到1）。对于多特特征，缩放可以帮助提升梯度下降法的收敛速度；避免因训练时超出数值范围（如大于float型最大值的范围）而造成的NaN而产生的后果（即NaN...

2018-06-01 12:50:36 384

原创从零开始机器学习-10（附录）项目相关代码

本文由沈庆阳所有,转载请与作者取得联系!第十课：TensorFlow的基本使用方法https://blog.csdn.net/sqy941013/article/details/80528274第十课的完整代码如下：import mathfrom IPython import displayfrom matplotlib import cmfrom matplo...

2018-06-01 12:49:13 419

原创从零开始机器学习-10 TensorFlow的基本使用方法

本文由沈庆阳所有,转载请与作者取得联系!内容TensorFlow基本概念使用线性回归预测房价使用均方根误差评估预测准确率调整超参数提高模型准确率1990年加州房屋训练数据集：https://raw.githubusercontent.com/sqy941013/learnmachinelearning/master/california_hou...

2018-06-01 12:47:27 416

原创从零开始机器学习-9 数据的表示——特征工程（上）

本文由沈庆阳所有,转载请与作者取得联系!前言我们先来回顾一下什么是特征。特征（Feature）即机器学习中的输入变量。通过机器学习，我们可以得到定义了特征与标签之间关系的模型。在传统的编程理念中，程序员往往关注点停留在代码身上。而在机器学习的项目中，工程师的关注点转移到表示（Representation）上面。即工程师通过添加、改进特征来调整模型。在机器学习中，数据和特...

2018-05-31 18:10:09 1425

原创从零开始机器学习-8 五分钟学会Pandas

本文由沈庆阳所有,转载请与作者取得联系!引言在上一讲中，我们了解了机器学习程序中的数据集发挥着极为重要的作用。可以说，没有良好的数据集就无法得到合适的模型。但是准备数据集是一项极其枯燥乏味，且需要大量时间的工作。那么在学习和练习的过程中，有没有简单有效且迅速的方法来获取数据集呢？答案是肯定的。现如今机器学习的社区日渐庞大，对于各种机器学习问题的数据集也越来越多。像我们前面提到的...

2018-05-31 18:09:51 579

原创从零开始机器学习-7 训练集和测试集

本文由沈庆阳所有,转载请与作者取得联系! 在继续下去之前，我们需要提一下泛化。泛化和过拟合泛化（Generalization），指的是模型可以很好地拟合新的数据（以前不曾出现过的）。针对某些问题，我们可以仅仅使用一条直线来分类。虽然有一些数据可能不会很好地将所有的样本都正确分类，但我们提倡这样做。如果将样本用十分复杂的模型进行分类，也许会产生十分复杂的曲线，这些曲线可以做到百...

2018-05-31 18:09:36 5304 1

原创从零开始机器学习-6 如何降低损失

本文由沈庆阳所有,转载请与作者取得联系!前言在上一节中，我们介绍了和机器学习有关的一些概念。其中，通过损失来评价模型预测的准确程度。那么对于训练过程中，我们应该采取什么样的方法来减少损失呢？我们都玩过猜价格的游戏：给定一个商品的价格，出题人明确商品的价格是多少，开始你也许会胡乱猜一个数字，出题人会告诉你相差多少（高很多，高一点，低一点…），那么你会根据出题人的反馈再次猜一个数字...

2018-05-31 18:09:18 1217

原创从零开始机器学习-5 深入了解机器学习

本文由沈庆阳所有,转载请与作者取得联系!前言随着计算机计算能力和数据量的不断增长，人工智能在近些年以近乎爆炸似的速度进行增长。其中，专家系统、机器学习、推荐系统和计算机视觉等人工智能的分支也在不断扩大。机器学习是人工智能中的一个重要工具，机器学习能够帮助我们解读一连串或是离散的数据的含义。对于机器学习，我们不需要硬编码（HardCode），而只需向程序提供足够多的样本，即可得到...

2018-05-31 18:09:03 753 1

原创从零开始机器学习-4 教会你的AI识别特定的物体（下）

本文由沈庆阳所有,转载请与作者取得联系! 在继续进行之前，我们先来看一下Google Tensorflow Models中的Object Detection API的Github页面。其内容主要有：快速上手、环境搭建、Object-Detection API的运行和一些额外内容。通过阅读这些，对理解和运用Tensorflow的Object-Detection API具有极大的帮助。另...

2018-05-31 18:08:45 2614 1

原创从零开始机器学习-3 教会你的AI识别特定的物体（上）

本文由沈庆阳所有,转载请与作者取得联系! 在上一节中，我们成功地运行了TensorFlow的Object Detection API，并且可以使用该程序识别日常生活中一些常见的物体。那么对于没有预置在程序中的物体模型，则需要通过特定的训练来使你的AI程序识别该物体。关于COCO：COCO又称MS COCO,全称为：Common Objects in Context，即对日常生活中的...

2018-05-31 18:08:08 6582 3

原创从零开始机器学习-2 十分钟让你的AI睁开双眼

本文由沈庆阳所有,转载请与作者取得联系! 以人认识世界为例，当我们的眼睛捕捉到现实世界的图像的时候，图像会通过视觉神经传输到我们大脑的视觉中枢，形成视觉。数码相机也是一样的道理，现实世界反射的光进入到相机的感光芯片，然后感光芯片将信号传输到相机的处理芯片中形成图像。然而仅仅形成了视觉而理解不了视觉，这样就和植物没什么两样。图像经过我们大脑的处理，让我们认识了世界上的各种花花草草，认识...

2018-05-31 18:07:44 942

原创从零开始机器学习-1 TensorFlow的环境搭建

由沈庆阳所有,转载请与作者取得联系!什么是机器学习机器学习，顾名思义，让机器去实现人类的学习行为。传统的编程中，如果需要解决一个问题，需要程序员来设计如何解决这个问题。而通过机器学习，我们可以使用各种机器学习的方法，使计算机程序具有不断获取新的知识的能力，从而适应解决各种问题。而深度学习是机器学习中十分火热的一个话题，通过搭建神经网络的模型来实现机器学习。现阶段，有如Torch...

2018-05-31 18:06:38 1530 1

AI Programming