目录
- 仓库作用
- 文件简介
- 测试Test
- 基于模型融合的地震预测
- 工业蒸汽预测
- 科比投篮选择
- 预测房价HousingPriceCompetitionForKaggleLearnUsers
- 基于单隐层神经网络的二维数据分类Planar-data-classification-with-one-hidden-layer
- 基于L层简单神经网络的猫图识别Recognite-Cat-with-L-Layers-NN
- 基于Nelearn2层神经网络的手势识别Gesture0to5-recognition-based-on-Nelearn-and-tensorflow
- 基于Keras卷积神经网络的笑脸识别HappyFace-Recognition-Keras
- 基于Keras残差网络的手势识别Gesture0to5-recognition-based-on-ResNet-Keras
- 基于YOLOv2的80种物体识别CarDetector-YOLO
仓库作用
本仓库用于存储我的机器学习项目
文件简介
测试
Test
放置数据科学等的代码测试。
科比投篮选择
工业蒸汽预测
基于模型融合的地震预测
房价预测
HousingPriceCompetitionForKaggleLearnUsers
作用:预测房价
模型:XGBRegressor
策略:回归树
算法:GB(Gradient Boosting梯度提升)
备注:无
基于单隐层神经网络的二维数据分类
Planar-data-classification-with-one-hidden-layer
作用:分类算法进行(标签)蓝色和红色点、二维特征数据的二分类
模型:单层神经网络
策略:对数损失函数
算法:梯度下降法
备注:无正则化,可能有过拟合
基于L层简单神经网络的猫图识别
Recognite-Cat-with-L-Layers-NN
作用:神经网络分类算法进行图像识别猫咪
模型:L层神经网络
策略:对数损失函数
算法:梯度下降法
备注:无正则化,可能有过拟合;系统识别猫的效果不太好,区别不了猫和其他图片
基于Nelearn(TensorFlow)2层神经网络的手势识别
Gesture0to5-recognition-based-on-Nelearn-and-tensorflow
作用:双隐藏层神经网络识别手势。
模型:双隐藏层神经网络
策略:对数损失函数
算法:Adam
备注:你也可以改成datasets中的其他数据集,去识别其他的物体。
Train Accuracy: 1.0
Test Accuracy: 0.791667
基于Keras卷积神经网络的笑脸识别
HappyFace-Recognition-Keras
作用:卷积神经网络识别笑脸。
模型:卷积神经网络
策略:交叉熵损失函数-1/n(ylog(a)-(1-y)log(a))
算法:Adam
备注:训练集不够大,当对自己的照片进行识别时,效果不佳。
Train loss = 0.0120
Train accuracy = 0.9983
Test loss = 0.102046815952
Test accuracy = 0.980000003974
基于Keras残差网络的手势识别
Gesture0to5-recognition-based-on-ResNet-Keras
作用:残差神经网络识别手势。
模型:残差神经网络
CONV2D -> BATCHNORM -> RELU -> MAXPOOL -> CONVBLOCK -> IDBLOCK2 -> CONVBLOCK -> IDBLOCK3 -> CONVBLOCK -> IDBLOCK5 -> CONVBLOCK -> IDBLOCK2 -> AVGPOOL -> TOPLAYER
其中 ,CONVBLOCK=convolution_block在小路上有1×1卷积,所以可以实现输出和输出维度不同;IDBLOCK=identity_block在小路上是直达,没有1*1卷积,所以输出和输入维度必须相同。
策略:多分类的对数损失函数
算法:Adam
备注:需要较长的训练时间
Train loss = 0.0963
Train accuracy = 0.9741
Test loss = 0.609584419926
Test accuracy = 0.86666667064
基于YOLOv2的80种物体识别
CarDetector-YOLO
作用:基于YOLOv2的80种物体识别。
模型:残差神经网络
策略:?
算法:?
备注:直接下载了已经训练好的模型