All Tags

#读万卷书行万里路 ⁴ #摄影日常 ² #机器学习与人工智能 ⁷ #计算机操作系统 ¹⁰ #学校の代码 ¹⁷ #旅行&摄影 ⁶ #学习要来不及了！ ¹

计算机操作系统

有一说一，这门课是我学的最吃力的一门课，因为之前没有学过C语言或者CPP，导致有很多作业没办法做。这里吐槽一下学校课程安排的不合理，但是在我们下一届加入了C语言的学习。。注意：在这里的实验用的系统很多都是MacOS、Linux，也有用Windows的情况，请各位自行鉴别。

Published on 2025-01-13

机器学习与人工智能 #机器学习与人工智能 #学校の代码

波士顿房价预测

此次实验使用jupyter notebook import numpy as np import matplotlib.pyplot as plt import random 一、超参数的设定 lr = 0.005 epoch = 12 二、随机参数样本 n = int(input('请输入样本个数

Published on 2025-01-13

机器学习与人工智能 #机器学习与人工智能 #学校の代码

手写识别

手写识别包含五个内容，分别为配置文件，数据处理，神经网络，测试，以及执行脚本。 config import torch device = torch.device('cuda:0'if torch.cuda.is_available() else 'cpu') batch_size = 128 d

Published on 2025-01-13

机器学习与人工智能 #机器学习与人工智能 #学校の代码

白富美，见不见~

此问题即对一个人是否与女生约会做预测，基本属性是：是否有钱，是否年轻，是否美丽。训练出来模型可以对输入的数据进行分类，最终输出一个人的偏好图。输入时是用的表格导入。 import pandas as pd from sklearn.tree import DecisionTreeClassifie

Published on 2025-01-13

机器学习与人工智能 #机器学习与人工智能 #学校の代码

预测正类和负类

import random import pandas as pd import numpy as np import matplotlib.pyplot as plt import itertools ''' def precision_recall(predict, target):

Published on 2025-01-13

机器学习与人工智能 #机器学习与人工智能 #学校の代码

准确率的计算

什么是混淆矩阵？混淆矩阵式一个表格，用于描述分类模型的表现，具体是将实际类别与预测类别进行比较。对于二元分类问题，它由以下四个部分组成：真正例（TP）：模型正确预测了正类。假正例（FP）：模型错误地预测为正类。真负例（TN）：模型正确预测了负类。假负例（FN）：模型错误地预测为负类。 #

Published on 2025-01-13

机器学习与人工智能 #机器学习与人工智能 #学校の代码

机器学习与人工智能

这里的是我学习中的一些代码，作为记录留存在此

Published on 2025-01-13

Previous Next