毛豆豆的博客

在前面已经讲了Tensorflow常用的五种优化方法，其中在结构设计上使用激活函数和多层隐藏层。在优化过程中使用指数衰减来设置学习率，加入正则化的损失函数以及滑动平均模型，有效的提高了神经网络模型的正确率。下面学习变量管理： 在上一篇博文中，将计算神经网络前向传播结果的过程抽象成了一个函数。通过这种方式在训练和测试过程中可以统一调用这个函数来获得模型的前向传播结果，函数帝国一如下...

   from math import logimport operatorimport treePlotter#计算给定数据集的香农熵的函数def calcShannonEnt(dataSet): # 求list的长度，表示计算参与训练的数据量 numEntries=len(dataSet) labelCounts={} # 计算分类标签l...

import numpy as npimport matplotlib.pyplot as pltx=np.array([1,2,3,4,5])y=np.array([1,3,2,5,4])plt.scatter(x,y)plt.axis([0,7,0,7])plt.show()x_mean=np.mean(x)y_mean=np.mean(y)num=0.0d=0.0...

from numpy import *import operatorimport osdef createDataSet(): group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels=['A','A','B','B'] return group,labelsdef classify0(inX,dataSet,...

import matplotlib.pyplot as pltfrom pylab import *mpl.rcParams['font.sans-serif'] = ['SimHei']decisionNode=dict(boxstyle="sawtooth",fc="0.8")leafNode=dict(boxstyle="round4",fc="0.8")arrow_arg...

先把代码贴上，注释后期更新书上例4.7的网址已经失效，建议换新的网址from numpy import *#创建数据集def loadDataSet(): postingList=[['my','dog','has','flea','problems','help','please'], ['maybe','not','take','him'...

logistic回归的一般过程（1）收集数据：采用任意方法收集数据。（2）准备数据：由于需要进行距离计算，因此要求数据类型为数值型。另外，结构化数据格式为最佳。（3）分析数据：采用任意方法对数据进行分析。（4）训练算法：大部分时间将用于训练，训练的目的是为了找到最佳的分类回归系数。（5）测试算法：一旦训练步骤完成，分类将会很快。（6）使用算法：首先，我们需要输入一些数据，并...

import randomfrom numpy import *def loadDataSet(fileName): dataMat=[];labelMat=[]#数据矩阵#标签向量 fr=open(fileName) for line in fr.readlines():#逐行读取，滤除空格等 lineArr=line.strip().split('...