Fitz_p的博客

  在机器学习通常来说，特征工程对模型性能影响最大，参数调优一般提升不如特征工程提升。  首先需要对数据进行充分探索，如属性是字符串类型、日期类型 还是 数值类型；若提供的数据存在几张表中，表中数据是否存在关联，是否可以进行统计、聚合；从业务理解上，可能影响模型性能的因素有哪些，表中数据能否构造该因素。  其次，我们需要对数据进行预处理。对字符串、categories 一般来说我们可以：  ...

最近在研究tensorflow自带的例程speech_command,顺便学习tensorflow的一些基本用法。其中tensorboard 作为一款可视化神器，可以说是学习tensorflow时模型训练以及参数可视化的法宝。而在训练过程中，主要用到了tf.summary()的各类方法，能够保存训练过程以及参数分布图并在tensorboard显示。tf.summary有诸多函数：1、tf.summ...

1.分类原理（以crossentropy为例） 分类误差: 通过梯度下降 w：=w-d(L)/d(w) 来更新w的值，使得w朝梯度=0的方向变化，减少分类误差.2.下面来上代码2.1数据加载import matplotlib.pyplot as pltimport matplotlib as mpl%matplotlib ...