cheny12的博客

    数据见deep learning，这是一个一元输入、一元输出的线性模型，下面是具体实现过程：import tensorflow as tfimport numpy as np#通过numpy.loadtxt()函数解析当前目录数据x.yx_data=np.loadtxt('./ex2x.dat')y_data=np.loadtxt('./ex2y.dat')#设置线性函数参数W、...

     数据见deep learning,该模型为多元输入的线性模型，即z=mx+ny+b的空间平面#--coding:UTF-8--import tensorflow as tfimport numpy as npfrom sklearn import preprocessing#读取数据为float32形式//tf.zeros数据类型为tf.float32x_data=np.lo...

    数据见deep learning,逻辑回归即通过参数拟合，将输入映射为0/1，所以这里就不是简单的线性模型，我们需要借助其他函数来实现逻辑回归。#--coding:UTF-8--import tensorflow as tfimport numpy as npfrom sklearn import preprocessing#读取数据，并转化为float32类型x_data=n...

    之前我们介绍过逻辑回归的二分类问题，但是在我们实际应用中往往都是多分类问题，这里我们以Mnist数据集为例来分析多分类问题，首先Mnist输入为图片，是高维度数据，不同于我们之前的一行或者一列，这里我们先从简单的开始，将28x28矩阵，转化为1x784的矩阵，这样我们的输入数据就和前面的一样，既然要对数据进行处理，那我们先分析一下我们要解析的数据是什么样的。以下为二进制文件信息，前面4个3...