sklearn、theano、TensorFlow 以及 theras 的理解

• sklearn ⇒ 机器学习算法和模型；
• theras
  
  • theano
  • TensorFlow

1. 理解模型以及函数，参数返回值的实际意义

一定要注意模型的构造函数，接收的参数列表，以及该模型本身所要解决的问题，因为在一些实现较好的框架或者库中，相似功能的类都会共享同一种接口。

• KMeans（sklearn.cluster.KMeans），其也有成员函数：

  • fit：训练 ⇒ 模型的参数，其实是以及聚类的中心；
  • predict：接收的测试样本，属于哪一个聚类中心；

• autoencoder，其内部对称地分为两个过程，encoder以及deconder

  • encoder = keras.model.Model()
    
    • input=Input(shape=(.., ..)),
    • output=Dense(enc_len, activation=’tanh’)
  • 这样当 encoder 训练完毕（fit），encoder 进行 predict 的时候，返回的不是类别，而是与参数中 output 相对的，压缩后的新的向量；

转载于:https://www.cnblogs.com/mtcnn/p/9422931.html