wangjia2575525474的博客

打开anaconda prompt输入d:cd D:\anaconda\envs\pytorch>pip install

作者：阿凿链接：https://www.zhihu.com/question/53405779/answer/429585383来源：知乎查准率 precision，查全率recall，PR曲线，AP，MAP明确问题: 大背景是object detection， 我就以正在学的RetinaNet应用背景为例， 识别出来的每一个框都有N+1个score， 对应着N个class和1个background， 我们会选score最高的那个作为最终的判断基本定义: precision和recall的含义， p

题目：对已知数据集进行聚类。最后对图片的像素值进行聚类数据集：https://www.heywhale.com/mw/project/5da961c8c83fb400420f3dd7/datasetpython代码：#给定一个二维数据集，使用kmeans进行聚类import numpy as npimport scipy.io as ioimport matplotlib.pyplot as plt#第一步 引入数据，可视化data1 = io.loadmat('C:/Users/1510

题目：在本练习中，您将使用支持向量机(SVMs)来构建垃圾邮件分类器。数据集：https://www.heywhale.com/mw/project/5da961c8c83fb400420f3dd7/dataset

题目：使用神经网络算法识别数据集中的手写数字，数据集包含有：数字集与初始theta值。、数据集：https://www.heywhale.com/mw/project/5da6bd34c83fb40042068a41/dataset步骤：构建神经网络模型——初始化向量——向前传播算法——计算代价函数——反向传播，计算偏导数项——（梯度检验）——高级优化算法下降梯度得到预测值theta——对比预测数据得出准确率。python代码：import numpy as npimport matplo

题目：这部分，你需要实现一个可以识别手写数字的神经网络。神经网络可以表示一些非线性复杂的模型。权重已经预先训练好，你的目标是在现有权重基础上，实现前馈神经网络。若已给定神经网络中的theta矩阵（需要用反向传播算法得出），实现前馈神经网络，理解神经网络的作用。题目已给出a(1)为第一层输入层数据，有400个神经元代表每个数字的图像（不加偏置值）；a(2)为隐藏层，有25个神经元（不加偏置值）；a(3)为输出层‘，又10个神经元，以10个（0/1）值的向量表示；theta1为第一层到第二层的参数矩

题目一：你将建立一个逻辑回归模型来预测一个学生是否被大学录取。假设你是一所大学系的管理员，你想根据两次考试的成绩来决定每个申请人的录取机会。您有以前申请者的历史数据，可以用作逻辑回归的训练集。对于每个培训示例，您都有申请人在两次考试中的分数和录取决定。你的任务是建立一个分类模型，根据这两次考试的分数来估计申请人的录取概率。数据集：34.62365962451697,78.0246928153624,030.28671076822607,43.89499752400101,035.847408769

一、单线性回归问题题目一：您将使用一元线性回归来预测食品车的利润。假设你是一家特许餐厅的首席执行官，正在考虑在不同的城市开设一家新的分店。该连锁店已经在不同的城市有卡车，你有这些城市的利润和人口数据。您希望使用这些数据来帮助您选择下一个要扩展到的城市。文件ex1data1.txt包含我们的线性回归问题的数据集。第一栏是一个城市的人口，第二栏是那个城市的餐车利润。利润的负值表示亏损。ex1.m脚本已经设置好为您加载这些数据。数据集ex1data1.txt：8.5781,126.4862,6.598