摘要: 本文已在公众号 发布,转载请联系我。 使用TensorFlow的基本流程 本篇文章将介绍使用tensorflow的训练模型的基本流程,包括制作读取TFRecord,训练和保存模型,读取模型。 准备 语言:Python3 库:tensorflow、cv2、numpy、matplotlib 数据集:Ch 阅读全文
posted @ 2019-07-05 09:41 HeoLis 阅读(18463) 评论(0) 推荐(0) 编辑
摘要: 线性回归 参考西瓜书《机器学习》线性回归 给定训练集$D={(\boldsymbol x_1, y_1), (\boldsymbol x_2, y_2), ..., (\boldsymbol x_i, y_i), ( \boldsymbol x_n, y_n)}$,其中$\boldsymbol {x 阅读全文
posted @ 2019-07-05 09:40 HeoLis 阅读(1498) 评论(0) 推荐(0) 编辑
摘要: 科学计算环境配置教程 你本次需要安装,最好用有线网下载。 Anaconda spyder jupyter notebook Sklearn XgBoost LightGBM CatBoost Keras TensorFlow 文末有介绍如何在实验室的文件服务器上,下载所需要的安装包。 1.Anaco 阅读全文
posted @ 2019-07-05 09:40 HeoLis 阅读(589) 评论(0) 推荐(0) 编辑
摘要: 以下是Coursera上的 "How to Win a Data Science Competition: Learn from Top Kagglers" 课程笔记。 Statistics and distance based features 该部分专注于此高级特征工程:计算由另一个分组的一个特 阅读全文
posted @ 2019-07-05 09:38 HeoLis 阅读(450) 评论(0) 推荐(0) 编辑
摘要: Mean encodings 以下是Coursera上的 "How to Win a Data Science Competition: Learn from Top Kagglers" 课程笔记。 学习目标 Regularize mean encodings Extend mean encodin 阅读全文
posted @ 2019-07-05 09:32 HeoLis 阅读(575) 评论(0) 推荐(0) 编辑
摘要: Examined ensemble methods Averaging (or blending) Weighted averaging Conditional averaging Bagging Boosting Stacking StackNet Averaging ensemble metho 阅读全文
posted @ 2019-07-05 09:27 HeoLis 阅读(372) 评论(0) 推荐(0) 编辑
摘要: 以下是Coursera上的 "How to Win a Data Science Competition: Learn from Top Kagglers" 课程笔记。 Hyperparameter Optimization List most important hyperparameters i 阅读全文
posted @ 2019-07-05 09:27 HeoLis 阅读(1232) 评论(0) 推荐(0) 编辑
摘要: 这是一篇笔记,课程来自Coursera上的 本篇可以算是顶级Kaggler大佬们,经过上百场比赛总结的心得和技巧。对准备开始参加数据挖掘竞赛的新人们极其有用,可以为你节省不少时间。 大部分内容我已经通过意会翻译成中文了,限于小编我的视野,可能会出现些误解,有问题望指正。 Tips and trick 阅读全文
posted @ 2019-07-05 09:26 HeoLis 阅读(793) 评论(0) 推荐(0) 编辑
摘要: ``` C++ include using namespace std; string add(string a, string b){ a = a.substr(a.find_first_not_of('0')); b = b.substr(b.find_first_not_of('0')); l 阅读全文
posted @ 2019-07-05 09:25 HeoLis 阅读(226) 评论(0) 推荐(0) 编辑
摘要: Effective TensorFlow 2.0 为使TensorFLow用户更高效,TensorFlow 2.0中进行了多出更改。TensorFlow 2.0删除了篇 "冗余API" ,使API更加一致( "统一RNNs" , "统一优化器" ),并通过 "Eager execution" 更好地 阅读全文
posted @ 2019-07-05 09:24 HeoLis 阅读(2496) 评论(0) 推荐(0) 编辑