今天想完成一个功能,需要在一个多维数组中的指定区域找到对应元素在整个数组中的索引,因为这个问题描述起来不方便,找了半天也没有找到好的答案.因此就自己尝试了一下np.where果然可以,但是网上的一些例子中都没提到这个的用法,所以记录一下.

过几天要考试了/(ㄒoㄒ)/~~

还要复习真的不爽.本来两周就可以把Ng的DL课程撸完,想到明天要交矩阵论作业,今天就去写矩阵作业去了,写了两个小时就不想写了(都不会2333

然后回来撸波代码,用keras写了个LeNet-5网络.

终于到了最后一周接下来就是学习深度学习相关内容,一个是吴恩达老师的深度学习课程,他的深度学习前面一些内容学过机器学习就不需要看了.然后还可以看斯坦福大学的UFLDL教程,也有翻译中文版.

这周是无监督学习算法,比较简单.k means之前就已经写过了,PCA主要是有个矩阵的奇异值分解需要看看矩阵相关知识.

这周是SVM,其实SVM部分是没有什么难点,主要问题是在于自定义核函数在sklean中比较蛋疼.

今天放代码的时候,突然觉得代码太烂_{太长,放在那边就扫了大家浏览的兴致,所以准备给所有的代码段加个折叠块,但是加折叠块必须要每个文件修改,很蛋疼,所以就写了个小工具去自动添加}

我这个只能添加一次,运行两次就炸了~

利用BP神经网络实现非线性回归,我用了两个方式实现,发现用库的方式没有我从吴恩达老师作业里面改过去的好用.先看题目.

已知函数\(f(x)=e^{-x},1\leq x\leq 10\)利用BP神经网络以及sigmod函数对上面的函数完成以下工作.

1. 获取两组数据,一组作为训练集,一组作为测试集

2. 利用训练集,训练一个单隐层的网络

3. 利用测试集检验训练结果,改变单隐层神经元个数,研究它对逼近效果的影响

这周没有什么好说的,主要就是根据两个误差与方差曲线去判断算法下一步优化的方向,但是这个我觉得还是要做的多了才知道如何去做下一步的判断,毕竟这么多算法,你肯定得都懂点才能去判断优劣.

第四周的作业是神经网络的训练和预测.这个和我之前写的神经网络有点不一样,吴恩达老师这里所有的都是加上bias节点以及正则化的.主要注意一下梯度函数.

这个是第三周的作业,是一个多类的正则化逻辑回归和神经网络.