王勇的博客

在Python机器学习实践中需要使用GraphViz显示决策树的图下面是安装、配置及验证过程：1、官网下载稳定版并安装；2、将“C:\Program Files (x86)\Graphviz2.38\bin”加入系统变量的“Path”这一步是必须的否则程序报错；3、pip install graphviz；4、使用下面代码验证：import graphvizimport sklearn.data...

下面代码使用Softmax分类MNIST，并绘制准确率随训练次数变化的关系图：（代码会自动下载MNIST数据集放在"MNIST_data/"文件夹中，若数据及存在则直接使用）# coding:utf-8import matplotlib.pyplot as pltimport tensorflow as tffrom tensorflow.examples.tutorials.m...

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn import datasets, linear_model, metricsimport statsmodels.api as smboston = datasets.load_boston() # 这个数据集是一个字典d...

转载请注明出处：逻辑回归实际上是使用回归进行二分类的方法。线性回归返回的范围为\((-\infty,+\infty)\)，而分类预测结果需要得到取值范围为\([0,1]\)的概率值，这样就需要一个由\((-\infty,+\infty)\)映射到\([0,1]\)的关系函数，这个函数关系，我们就可以使用\(Sigmoid(x)=1\over{1+e^{-x}}\)函数。那为什么要用这个函数呢？请看...

代码和结果如下：import numpy as npimport pandas as pdfrom sklearn.linear_model import LinearRegressionimport seaborn as snsdef self_func(i): np.random.seed(i) n = 101 x = np.linspace(0,1...

下面代码实现的是最小二乘法线性拟合，并且包含自己造的轮子与别人造的轮子的结果比较。问题：对y=2.5x+0.8y=2.5x+0.8直线附近的带有噪声的数据进行线性拟合，最终求出w,b的估计值。最小二乘法基本思想是使得样本方差最小。代码中self_func()函数为自定义拟合函数，skl_func()为调用scikit-learn中线性模块的函数。import numpy as npimport ...

本文使用TensorFlow实现最简单的线性回归模型。线性回归拟合\(y=2.7x+0.6\)，代码如下:import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltn = 201 # x点数X = np.linspace(-1, 1, n)[:,np.newaxis] # 等差数列构建X，[...

0 前言本文对深度神经网络超参数优化进行概要总结，适合有一定基础的人员查阅。 1 训练基础深度神经网络选择超参数是一个迭代过程，即使经验丰富的工程师，在面对新的任务时也需要在不断尝试中找到好的网络参数。1.1 训练集、验证集、测试集比例：在机器在学习时代，数据集往往不大，一般几百条到几万条，这种小规模数据集被分为：70%训练集、30%测试集（或着说60%训练集、20%验...