目錄 1、介紹2、圖表示的選擇 1、介紹 1、為什么圖深度學習困難？相較于傳統圖像，圖深度學習更困難： 任意大小和任意復雜的拓撲結構 沒有圖像或文本中的空間局部性。圖像中知道...
發簡信
IP屬地：湖北
-
圖（1）
-
圖像分割常用指標及MIoU計算一、語義圖像分割結果定義 語義圖像分割結果，可分為True Positive、False Positive、True Negative、False Negative。Nega...
-
函數1、可接受任意數量參數的函數 **參數只能出現在最后一個參數。有一點要注意的是，在 * 參數后面仍然可以定義其他參數。 2、只接受關鍵字參數的函數 3、給函數參數增加元信息 ...
-
根據IQR過濾基因例如：用作探針表達數據的初步過濾 為什么要初步過濾？ 具體使用：https://www.rdocumentation.org/packages/genefilter/vers...
-
下載準備預訓練詞向量gloveglove的官網地址：https://nlp.stanford.edu/projects/glove/[https://nlp.stanford.edu/projects/g...
-
機器學習——邏輯回歸一對多
邏輯回歸的分類變量是離散值，但有時可能不是兩種，而是多種 那么下圖所示的三種分類，如果用邏輯回歸來處理呢 一個可行的方法是： 如上圖，即對沒有一種類別，都構建一個“一對余”的...
-
機器學習——正則化
一、過擬合 第一種是欠擬合，高偏差。第二種擬合較好。第三種過擬合，高方差。 過擬合：當特征很多，訓練集可能擬合的很好，甚至代價函數的值約等于0，但是這個模型卻不能泛化到新的數...
-
機器學習——邏輯回歸代價函數邏輯回歸的代價函數 如上圖，對于二分類邏輯回歸，即有m個樣本，每個樣本的特征X有n+1個（Xo=1），分類變量Y屬于0或1，然后使用這些數據集來確定假設函數的參數θ。之前所說...
-
機器學習——向量化MATLAB編程中，向量化的思想可從下圖看出： 對于常見的線性回歸假設函數 做乘積累加的過程，傳統的編寫方法可能像左邊一樣，但是如果把θ和X看作一個向量，則只需要寫成向量相乘...
-
機器學習——邏輯回歸一、分類 常見的分類問題，比如腫瘤的惡性或良性，是一個二分類問題，可用0或1表示， 假設我們對于已有的數據構建一個線性回歸模型，比如下圖: 我們將模型的分類閾值定為0.5，當...
-
機器學習 —— 多項式回歸和正規方程一、多項式回歸 房價預測中： 有兩個特征，frontage和depth，即臨街長度和房子的寬度。假如我們計算一個x = frontage * depth (房子面積)，則假設...
-
-
機器學習 —— 多元梯度下降一、多維特征 前面所述的房價預測的線性模型，只用到了一維特征，即size，房屋尺寸，要用這個特征量來預測房屋價格： 當數據集的信息不止一種時，便有了多維特征，比如： 上圖有四...
-
機器學習——線性代數
一、矩陣和向量 這個是4×2矩陣，即4行2列，如m為行，n為列，那么m x n即為4×2 矩陣的維數即行數×列數 矩陣元素（矩陣項）： Aij指第i行，第j列的元素。 向量是...
-
2019.8月中旬開始系統自學生信，<br>自學路漫漫索性報個班。<br><br>生信技能樹真的很棒！<br><br>這是我的一個學習筆記平臺，點滴記錄。
-
機器學習——梯度下降、梯度下降的線性回歸算法
一、梯度下降****梯度下降是一個用來求函數最小值的算法，我們將使用梯度下降算法來求出代價函數J(θo,θ1)的最小值。 梯度下降算法中要做的就是不停地一點點改變θo和θ1，...
-
機器學習——代價函數
一、假設函數 h表示學習算法的解決方案，也就是根據數據集訓練擬合得到的一個函數，也稱為假設函數（hypothesis）。h代表hypothesis(假設)，h表示一個函數，輸...
