xcvbxv01的博客

Python_ML-Day06: 神经网络1.感知机 - 有n个输入数据，通过权重与各数据之间的计算和，比较激活函数结果，得出输出 - 应用：很容易解决与、或、非问题2.神经网络 - 定义： 1. 在机器学习和认知科学领域，人工神经网络（artificial neural network， 缩写ANN），简称神经网络（：neural...

Python_ML-Day5: TensorFlow的线程队列与IO操作、TFRecords文件的存取1.TensorFlow 队列 - 在训练样本的时候，希望读入的训练样本是有序的 - 考虑使用队列机制： 先进先出 - tf.FIFOQueue(capacity, dtypes, name='fifo_queue') 1.先进先出队列 ...

Python_ML-Day04: 深度学习、Tensorflow1.Tensorflow特点 - 真正的可移植性 引入各种计算设备的支持包括CPU/GPU/TPU，以及能够很好地运行在移动端， 如安卓设备、ios、树莓派等等 - 多语言支持 Tensorflow 有一个合理的c++使用界面，也有一个易用的python使用界面来构建和 执行你的...

Python_ML-Day03: 线性回归、岭回归、逻辑回归、k-means1. 回归问题的判定 - 目标值是一个连续的值 - 寻找一种能预测的趋势 - 线性关系的函数： y = kx + b - b 偏置2. 线性关系模型 - 一个通过属性xn 的线性组合来进行预测的函数 - 线性回归通过一个或者多个 特征值x1,x2 与 目标值f(x...

ML-Day02: k-近邻、朴素贝叶斯、决策树、随机森林、交叉验证、网格搜索1.数据分类 离散型数据：可以列举出 连续型数据：在区间内可任意划分，不可一一列举2.机器学习算法分类 监督学习（预测）：有特征值和目标值，有标准答案 分类[离散]：k近邻、贝叶斯、决策树与随机森林、逻辑回归、神经网络 回归[连续]：线性回归、岭回归 ...

ML-Day011.机器学习的数据大多都是文件，比如csv文件2.Pandas： 读取数据工具 基本的数据处理3.缺失值： 数据转换4.重复值： 不需要去重5.sklearn： 对于特征数据提供了强大的支持 - Python的机器学习工具 - 许多知名的机器学习算法的实现 - 文档完善，容易上手，丰富的API6.特征工程： 将原始数据转换为 能更好...

一、Saprk机器学习介绍------------------------------------------------------------------ 1.监督学习 a.有训练数据集,符合规范的数据 b.根据数据集，产生一个推断函数 c.根据产生的推断函数，处理新的数据,从而产生预测结果 d.常见的监督学习：电子邮...