neyzoter / my_ml_projects

This repo store my machine learning projects.

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

Kaggle试题

工业蒸汽预测

天池试题

基于模型融合的地震预测

Kaggle试题

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