机器学习 – 第 2 页 – 蒋智昊的博客

Sklearn K-means 聚类算法

蒋智昊 Sklearn / 机器学习 2023年2月23日 2023年2月23日留下评论

聚类分析又称群分析，它是研究（样品或指标）分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。实现聚类分析的计算方法称为聚类算法，在机器学习中是涉及对数据进行分组的一种算法，即在给定的数据集中，我们通过聚类算法将其分成一些不同的组。在理论上，相同的组的数据之间有相同的属性或者是特征，不同组数据之间的属性或者特征相差就会比较大。聚类算法是一种非监督学习算法，并且作为一种常用的数据分析算法在很多领域上

Matplotlib plot plt.contourf plt.contour 用法

蒋智昊 Sklearn / 机器学习 2023年2月22日 2023年2月22日留下评论

contour：轮廓，等高线。等高线是三维图像在二维空间的投影。

contourf([X, Y,] Z, [levels], **kwargs)

contour([X, Y,] Z, [levels], **kwargs)

contour函数绘制三维图像到二维图像所对应的等高线，而contourf函数也是绘制等高线，只不过contourf是带填充的等高线。这两个函数的参数都是一样的。

参数X、Y表示等高线的坐标，Z表示等高线的高度，也就是坐标点(x, y)对应的高度h。

如果

numpy np.vstack() 和 np.hstack() 用法

蒋智昊 机器学习 / 神经网络/数学 2023年2月22日 2023年2月22日留下评论

np.vstack()：在竖直方向上堆叠。

np.hstack()：在水平方向上平铺。

import numpy as np

arr1 = np.array([1,2,3])

arr2 = np.array([4,5,6])

print(np.vstack((arr1,arr2)))

print(‘——————‘)

print(np.hstack((arr1,arr2)))

import numpy as np

arr1 = np

numpy np.ravel 用法

蒋智昊 机器学习 / 神经网络/数学 2023年2月22日 2023年2月22日留下评论

numpy中的ravel函数的作用是让多维数组变成一维数组。

import numpy as np

# 对二维数组进行reval

a = np.array([[1, 2, 3], [4, 5, 6]])

print(“二维数组a:”)

b=a.ravel()

#对a进行拉伸操作

print(“对a进行ravel操作后：”)

print(b)

# 对三维数组进行reval

c = np.array([ [[1, 2, 3], [4, 5, 6]], [[7,

numpy np.meshgrid 网格点坐标矩阵用法

蒋智昊 机器学习 / 神经网络/数学 2023年2月22日 2023年2月22日留下评论

A、B、C、D、E、F是6个网格点，坐标如图，如何用矩阵形式（坐标矩阵）来批量描述这些点的坐标呢？

语法：X,Y = numpy.meshgrid(x, y)

输入的x，y，就是网格点的横纵坐标列向量（非矩阵）。

输出的X，Y，就是坐标矩阵。

import numpy as np

import matplotlib.pyplot as plt

x = np.array([0, 1, 2])

y = np.array([0, 1])

X, Y = np.

Sklearn 支持向量机 SVM

蒋智昊 Sklearn / 机器学习 2023年2月22日 2023年2月22日留下评论

支持向量机（Support Vector Machine，SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）。

SVM使用铰链损失函数（hinge loss）计算经验风险（empirical risk）并在求解系统中加入了正则化项以优化结构风险（structural risk），是

强化学习 Gym MountainCar 山地车

蒋智昊 Gym / 机器学习 2023年2月17日 2023年2月17日留下评论

MountainCar 山地车

import gym

# MountainCar 山地车

env = gym.make(‘MountainCar-v0′, render_mode=’human’)

for i_episode in range(10):

observation = env.reset()

for t in range(100):

env.render()

print(observation)

action = env.action_spa

强化学习 Gym CartPole 倒立摆

蒋智昊 Gym / 机器学习 2023年2月17日 2023年2月17日留下评论

CartPole 倒立摆

import gym

# CartPole 倒立摆

env = gym.make(‘CartPole-v1’, render_mode=”human”)

for episode in range(10):

env.reset()

print(“Episode finished after {} timesteps”.format(episode))

for _ in range(100):

env.render()

env.st

强化学习 Gym 安装以及入门

蒋智昊 Gym / 机器学习 2023年2月16日 2023年2月17日留下评论

官网：https://www.gymlibrary.dev/

https://github.com/openai/gym

Gym是一个研究强化学习算法的工具箱。需要安装2个库 gym、pygame。

一、安装库

1、安装gym。最小安装的Gym库只包括少量的内置环境，如算法环境、简单文字游戏环境和经典控制环境。box2d

pip install gym -i https://pypi.tuna.tsinghua.edu.cn/simple/

完整安装。gym库的一些内置的

什么是强化学习？

蒋智昊 Gym / 机器学习 2023年2月15日 2023年2月18日留下评论

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。

强化学习的常见模型是标准的马尔可夫决策过程（Markov Decision Process, MDP）。按给定条件，强化学习可分为基于模式的强化学习（model-based RL）和无模式强化学习（model-free RL），以及主动强化学习（a

计算机视觉与机器视觉

蒋智昊 OpenCV / 机器学习 2023年2月14日 2023年2月14日留下评论

一、什么是计算机视觉？

计算机视觉是指用摄像机和计算机来复制人类感知和理解视觉信息的能力。

主要目的：通过对于视觉信息的获取、处理、分析理解，从而产生相应的行为决策。

视觉信息：由一幅静止图像、多幅静止图像、或者一组视频提供的信息。

二、什么是机器视觉？

机器视觉：用来泛指实现基于图像的自动检测、控制和分析的相关技术和方法。

主要目的：实现工业生产过程中基于图像的自动化和智能化。

基本功能：外观检测、尺寸测量、识别计数、视觉定位。

三、图像处理、计算机视觉和

numpy np.arange() 用法

蒋智昊 机器学习 / 神经网络/数学 2023年2月12日 2023年3月12日留下评论

#填入一个参数，默认起点0，终点为参数，步长为1。

x = np.arange(10)

print(x)

#填入二个参数，起点为参数a，终点为参数b，步长为1。

y = np.arange(1, 10)

print(y)

#填入三个参数，起点为参数a，终点为参数b，步长为c。

z = np.arange(1, 10, 0.5)

print(z)

TensorFlow 线性回归 Sequential 模型保存及加载

蒋智昊 Tensorflow / 机器学习 2023年2月5日 2023年2月5日留下评论

import numpy as np

import tensorflow as tf

import keras

import numpy as np

import matplotlib.pyplot as plt

from keras.layers import Dense

from keras.models import Sequential

from keras.optimizers import SGD

from keras.layers import

ML.NET 机器学习教程线性回归模型模型保存及加载

蒋智昊 ML.NET / 机器学习 2023年1月30日 2023年2月7日留下评论

using System;

using System.Collections.Generic;

using System.IO;

using System.Linq;

using System.Text;

using System.Threading.Tasks;

using Microsoft.ML;

using Microsoft.ML.Data;

namespace MLApp

{

internal class Program

{

pu

PyTorch 搭建CNN网络模型手写数字识别模型保存及加载

蒋智昊 PyTorch / 机器学习 2023年1月27日 2023年1月30日留下评论

import torch

import torch.nn as nn

from torch.autograd import Variable

import torch.utils.data as Data

import torchvision

import matplotlib.pyplot as plt

import os

# 批训练加速模型的训练速度

EPOCH = 1

# 定义批次训练的batch数

BATCH_SIZE = 50

# 定义

ML.NET 机器学习教程线性回归模型

蒋智昊 ML.NET / 机器学习 2023年1月26日 2023年1月26日留下评论

线性回归模型，使用房屋大小和价格数据预测房屋价格。

using System;

using System.Collections.Generic;

using System.Linq;

using System.Text;

using System.Threading.Tasks;

using Microsoft.ML;

using Microsoft.ML.Data;

namespace MLApp

{

internal class Program

TensorFlow 线性回归 Sequential

蒋智昊 Tensorflow / 机器学习 2023年1月26日 2023年1月26日留下评论

import numpy as np

import tensorflow as tf

import keras

import numpy as np

import matplotlib.pyplot as plt

from keras.layers import Dense

from keras.models import Sequential

from keras.optimizers import SGD

from keras.layers import

TensorFlow安装

蒋智昊 Tensorflow / 机器学习 2023年1月26日 2023年1月26日留下评论

一、安装

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/

二、查看版本

1、输入python命令，进入 python 交互式命令行界面。

2、导入我们安装好的tensorflow。

import tensorflow

3、输入下面代码，注意：version前后各有两个下划线，只输入一个会报错。

print(tensorflow.__version__)

ML.NET 机器学习教程 10分钟入门

蒋智昊 ML.NET / 机器学习 2023年1月24日 2023年1月25日留下评论

一、创建应用

打开 Visual Studio 并新建 .NET 控制台应用:

1、从 Visual Studio 2022 开始窗口中选择新建项目。

2、选择 C# 控制台应用项目模板。

3、将项目名称更改为 MLApp。

4、确保不选中将解决方案和项目置于同一目录中。

5、选择“下一步”按钮。

6、选择 .NET Framework 4.8。

7、选择“创建”按钮。Visual Studio 将创建项目并加载 Program.cs 文件。

二、添加机器学习

ML.NET 机器学习教程 ML.NET Model Builder 安装

蒋智昊 ML.NET / 机器学习 2023年1月24日 2023年1月24日留下评论

安装 Visual Studio 2022。在安装过程中，应选择 .NET 桌面开发工具以及可选的 ML.NET Model Builder 组件。