forever0_0love的博客

如图所示，解决方法：第一步：列出conda环境conda info --envs结果显示：# conda environments:#tensorflow * D:\anaconda\envs\tensorflowroot D:\anaconda第二步： 激活<envs>下的tensorflow，如上tensorfl...

主要介绍使用tensorflow求逆矩阵的方法解决二维线性回归问题，线性回归算法能表示为矩阵计算，Ax=b。这里解决的是用矩阵x来求解系数。注意，如果观测矩阵不是方阵，那求解出的矩阵x如下式：                                                                               python代码如下：# 求逆矩阵#导入必要的库...

这次使用Scikit Learn 的内建iris数据集，数据点（x值代表花瓣宽度，y值代表花瓣长度），然后找到它们的最优直线。使用到不同的损失函数来对比其影响。首先使用L1正则损失函数：L1 = tf.reduce_mean(tf.abs(y_data-model_output))代码如下:# cost fuction 为L1正则损失函数import matplotlib.pyplot as p...

内容均来自《tensorflow机器学习实战指南》，只是学习一下，或许有自己感悟。。前面两篇都是关于线性回归，这一片实现逻辑回归，其实逻辑回归算法可以将线性回归转化成一个二值分类器。通过sigmoid函数将线性回归的输出缩放到0和1之间。目标值是0或者1代表着一个数据点是否属于某一类。代码如下：# Logistic Regression# ---------------------...

tensorflow学习笔记中，可能版本问题，总会遇到一些小问题，运行到矩阵相乘时会遇到上面的报错。import tensorflow as tfimport numpy as npbatch_size = 8Seed = 23455rdm = np.random.RandomState(Seed)x = rdm.rand(32,2)y_ = [[x1+x2+(rdm.rand(...

内容均整理自《tensorflow机器学习实战指南》。支持向量机算法是一种二值分类算法，基本观点是找到两类之间得一个线性可分得直线（或者超平面）。而上一篇所说得逻辑回归算法也是二值预测。一半来说，如果训练集中有大量特征，建议使用逻辑回归或者线性支持向量机算法；如果训练集数量更大，或者数据集是非线性可分得，建议使用带高斯核得支持向量机算法。我们知道对于线性可分的二值问题，有许多直线可以分割两...

学习一下曹健老师的视频，老师辛苦了。主要介绍用正则化方法来防止过拟合，想学习的同学可以在这里观看学习：https://www.icourse163.org/learn/PKU-1002536002?tid=1002700003#/learn/content?type=detail&id=1004043074&sm=1我是在windows上用pycharm（python3.6...

分为三部分:前向传播，反向传播，数据测试。适应一下简单的结构化编程第一部分：前向传播（mnist_forward.py）#前向传播，两层神经网络import tensorflow as tfimport numpy as npinput_data = 784output_data = 10layer_data = 50def get_weight(shape,reg): ...