本项目提供了手动实现逻辑回归的代码文件以及可视化学习率、训练集以及测试集准确率、不同迭代次数的可视化图表。训练集以及测试集数据公开,同时对于项目中的文件都已说明其用途。面向初学者,帮助大家理解反向传播算法以及交叉熵损失,掌握反向传播算法在具体模型中如何实现,提高模型的复现能力。完全掌握机器学习方法只靠理论知识是不够的,需要将理论与实践中的代码结合在一起,实现自我的突破。
手动实现逻辑回归并可视化学习率和评估指标
文件列表
机器学习 + 交叉熵损失、反向传播、逻辑回归 + 交叉熵损失结合反向传播算法手动实现逻辑回归 + 手动复现提高coding能力
(预估有个37510文件)
dog.3076.jpg
73KB
dog.11685.jpg
76KB
dog.1870.jpg
75KB
dog.2274.jpg
79KB
dog.10708.jpg
79KB
dog.3085.jpg
85KB
dog.9452.jpg
77KB
dog.3785.jpg
74KB
dog.9869.jpg
74KB
cat.835.jpg
91KB
暂无评论