supreme567的博客

#%% import tensorflow as tf import datetime #%% tf.__version__ #%% (train_image, train_labels), (test_image, test_labels) = tf.keras.datasets.mnist.load_data() #%% train_image.shape #%% train_image = tf.expand_dims(train_image, -1) #%% test_ima

#%% import tensorflow as tf #%% tf.__version__ #%% v = tf.Variable(0.0) #%% (v + 1).numpy() #%% v.assign(5) #%% v #%% v.assign_add(1) #%% v #%% v.read_value() #%% w = tf.Variable([[1.0]]) with tf.GradientTape() as t: loss = w * w #

#%% import tensorflow as tf #%% tf.__version__ #%% tf.executing_eagerly() #%% x = [[2,]] #%% m = tf.matmul(x, x) #%% print(m) #%% m.numpy() #%% a = tf.constant([[1, 2], [3, 4]]) #%% a #%% a.numpy() #%% b = tf.add(a, 1)

#%% import tensorflow as tf #%% print('Tensorflow version: {}'.format(tf.__version__)) #%% from tensorflow import keras import matplotlib.pyplot as plt %matplotlib inline import numpy as np import glob #%% imgs_path = glob.glob('dataset/birds/*/*.jp

#%% import keras from keras import layers import matplotlib.pyplot as plt %matplotlib inline #%% data = keras.datasets.imdb #%% max_word = 10000 #%% (x_train, y_train), (x_test, y_test) = data.load_data(num_words=max_word) #%% x_train.shape, y_tra

#%% import tensorflow as tf #%% print('Tensorflow version: {}'.format(tf.__version__)) #%% from tensorflow import keras import matplotlib.pyplot as plt %matplotlib inline import numpy as np import glob #%% all_image_path = glob.glob('../2_class/*/*.

什么是特征工程？特征工程有什么作用？点击查看知乎原文 小结： 1.事实上所有机器学习算法上面的成功都在于你怎么样去展示这些数据。 由此可见特征工程在实际的机器学习中的重要性， 从数据里面提取出来的特征好坏与否就会直接影响模型的效果 。 2.有的时候，可以使用一些不是最优的模型来训练数据，如果特征选择得好的话，依然可以得到一个不错的结果。很多机器学习的模型都能够从数据中选择出不错的结构，从而进行良好的预测。一个优秀的特征具有极强的灵活性，可以使用不那么复杂的，运算速度快，容易理解和维护的模型来得到不错的结果。