BruceFan's Blog

Stay hungry, stay foolish


  • 首页

  • 关于

  • 标签

  • 归档

用Python实现简单的区块链(二)

发表于 2018-06-20
继续上一篇文章的内容,我们已经有一个可以证实的区块链了,但是现在链中只保存着一些无用的信息,这篇文章中我们将会实现简单的钱包(wallet)和交易(transaction),用交易来替换这些数据,创建一个非常简单的加密货币:”NoobCoin”。 创建Wallet在加密货币中,币的所有权在区块链 ...
阅读全文 »

支持向量机

发表于 2018-06-10
支持向量机是一种二分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类器,支持向量机还包括核技巧,这使它成为实质上的非线性分类器。支持向量机的学习策略就是间隔最大化,可形式化为一个求解凸二次规划的问题。支持向量机学习方法包含构建由简至繁的模型: 当训练数据线性可分时,通过硬间隔最大化( ...
阅读全文 »

决策树

发表于 2018-06-01
分类决策树模型是一种描述对实例进行分类的树形结构,决策树由结点和有向边组成,结点有两种类型:内部结点和叶结点。内部结点表示一个特征或属性,叶结点表示一个类。用决策树分类,从根结点开始,对实例的某一特征进行测试,根据测试结果,将实例分配到其子结点;这时,每一个子结点对应着该特征的一个取值。如此递归地对 ...
阅读全文 »

卷积神经网络

发表于 2018-05-30
关于卷积神经网络的原理这篇文章先不做介绍,推荐机器视角:长文揭秘图像处理和卷积神经网络架构和卷积:如何成为一个很厉害的神经网络这两篇文章,这里记录一下PyTorch对卷积神经网络的实现。代码清单 model.py123456789101112131415161718192021222324impor ...
阅读全文 »

神经网络

发表于 2018-05-28
当构建神经网络时,我们经常想把计算分配到各个layer,一些可学习参数(learnable parameter)在学习的过程中会被优化。在PyTorch中nn包提供了计算图(computational graph)的高级抽象,nn包定义了一系列Module,和神经网络的layer大致相同,Modul ...
阅读全文 »

前向传播和反向传播

发表于 2018-05-25
之前听过前向传播和反向传播,也看到项目中有这两个步骤,但是不知道具体是干什么的,在看PyTorch官方教程的时候看到一个用numpy实现的2层神经网络,里面实现了前向传播和反向传播,这里记录一下,同时也记录一下我的PyTorch学习过程。 Numpy1234567891011121314151617 ...
阅读全文 »

朴素贝叶斯

发表于 2018-05-24
基于贝叶斯决策理论的分类方法 朴素贝叶斯是贝叶斯决策理论的一部分,所以在学习朴素贝叶斯之前先了解一下贝叶斯决策理论。 假设我们有一个数据集,由两类数据组成: 假设已知图中两类数据的统计参数。我们现在用p1(x, y)表示数据点(x, y)属于类别1的概率,用p2(x, y)表示数据点(x, y)数据 ...
阅读全文 »

Logistic回归

发表于 2018-05-23
我们需要一个函数能接受所有的输入然后预测出类别,例如在两个类的情况下,这个函数输出0或1。单位阶跃函数具有这种性质,然而它的问题在于在跳跃点上从0瞬间跳跃到1,这个瞬间跳跃过程有时很难处理。幸好另一个函数也有类似性质,且数学上更易处理,这就是sigmoid函数。 sigmoid函数sigmoid函数 ...
阅读全文 »

k-近邻算法

发表于 2018-05-22
最近一直在做机器学习相关的工作,但是对机器学习的基础还没有什么太好的掌握,所以打算从头开始学习一些基本的算法,太深入的数学原理先不深究,需要用到时再补吧(说得跟真的一样)。$k$-近邻算法,它的工作原理是:存在一个样本数据集合,也称作训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中每个 ...
阅读全文 »

用Python实现简单的区块链(一)

发表于 2018-05-20
这篇文章用python实现一下区块链的基本概念,主要目的是凑热闹学习区块链相关知识,没有太大实际用途。 创建区块链区块链就是许多区块的链表,区块链里的每个链表都有自己的签名,包含前一个区块的数字签名和一些数据(例如交易)。每个区块有前一个区块的hash,也有自己的hash,自己的hash包含了自 ...
阅读全文 »
12…10
BruceFan

BruceFan

step by step

99 日志
13 标签
© 2019 BruceFan
由 Hexo 强力驱动
|
主题 — NexT.Pisces v5.1.4