AjzenhamerNikola
Ajzenhamer Nikola
Masinsko ucenje
-- Kroz programski jezik Python --
30. jun 2018.
Sadrzaj
Predgovor
iii
1 Uvod u zadatak regresije
1
1.1 Linearna regresija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 Uvod u zadatak klasi kacije
7
2.1 Logisticka regresija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Linearni klasi kator zasnovan na potpornim vektorima . . . . . . . . . . 8
2.3 Tehnike pripremanje podataka za klasi kaciju . . . . . . . . . . . . . . . 10
2.4 Poreenje klasi kacionih modela . . . . . . . . . . . . . . . . . . . . . . . 12
3 Modeli zasnovani na instancama
15
3.1 Kernelizovani model potpornih vektora . . . . . . . . . . . . . . . . . . . . 15
3.2 Nadaraja-Votson regresija . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.3 Prostorni kerneli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4 Evaluacija i izbor modela
21
4.1 Bibliotecka podrska kroz scikit-learn . . . . . . . . . . . . . . . . . . . . . 21
4.2 Implementacija funkcija za evaluaciju i izbor modela . . . . . . . . . . . 24
5 Neuronske mreze
29
5.1 Neuronske mreze sa propagacijom unapred . . . . . . . . . . . . . . . . . 30
5.2 Implementacija neuronske mreze sa propagacijom unapred . . . . . . . 35
5.3 Konvolutivne neuronske mreze . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.4 Razliciti nacini optimizacije neuronskih mreza . . . . . . . . . . . . . . . 44
5.5 Rekurentne neuronske mreze . . . . . . . . . . . . . . . . . . . . . . . . . 47
6 Ucenje potkrepljivanjem
55
Literatura
63
i
Predgovor
Ovaj tekst predstavlja skriptu iz kursa ,,Masinsko ucenje'', na 5. godini smerova Informatika i Racunarstvo i informatika na Matematickom fakultetu Univerziteta u Beogradu, zasnovanu na materijalima Anelke Zecevi, beleskama sa casova vezbi i skripti ,,Masinsko ucenje'' profesora Mladena Nikolia i Anelke Zecevi [1]. Skripta je pratei materijal pre svega studentima koji ovaj kurs slusaju u okviru svojih studija, ali i svima Vama koji biste zeleli da se upoznate sa ovom tematikom. Ovaj materijal ne moze zameniti pohaanje vezbi niti drugu preporucenu literaturu.
Ovaj tekst je u ranoj fazi formiranja. Ukoliko ste pazljivi citalac ove skripte, i ukoliko uocite bilo kakvu gresku ili propust, mozete se javiti autoru na adresu mi13050@alas.matf.bg.ac.rs. Svi komentari, sugestije, kritike, ali i pohvale vezane za ovaj materijal su dobrodosli.
Autor
Podesavanje okruzenja za rad
Da bi se uspesno pokretali primeri iz skripte, potrebno je instalirati 64-bitnu Python 3.6.5 (ili visu) verziju. Najbolje je pri instalaciji odabrati opciju ADD TO PATH. Zatim je neophodno pokrenuti naredne naredbe iz komandne linije
>>> python -m pip install --upgrade pip pip3 install numpy scipy pip3 install pandas matplotlib pip3 install sklearn pip3 install tensorflow --no-warn-script-location pip3 install keras pip3 install jupyter --no-warn-script-location pip3 install pydot pip3 install gym --no-warn-script-location
iii
................
................
In order to avoid copyright disputes, this page is only a partial summary.
To fulfill the demand for quickly locating and searching documents.
It is intelligent file search solution for home and business.
Related download
- setting up python 3 5 numpy and matplotlib on your
- raspberry pi rotary encoder animated gif player
- python bridge in rtmaps
- stats 507 data analysis in python
- pytorch and yolov5 installation instructions for nvidia
- arrays marquette university
- numpy marquette university
- data science lab polito
- setting up python 3 4 numpy and matplotlib on your own
- python basics