博客园 - 左手十字
uuid:24b78886-0ed1-41c2-8670-e3f31dcf42c4;id=143848
2019-02-27T04:23:48Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
feed.cnblogs.com
https://www.cnblogs.com/zuoshoushizi/p/10111722.html
评估机器学习模型的几种方法(验证集的重要性) - 左手十字
什么是评估机器学习模型 机器学习的目的是得到可以泛化(generalize)的模型,即在前所未见的数据上表现很好的模型,而过拟合则是核心难点。你只能控制可以观察的事情,所以能够可靠地衡量模型的泛化能力非常重要。 如何衡量泛化能力,即如何评估机器学习模型。 评估模型的重点是将数据划分为三个集合:训练集
2018-12-12T15:41:00Z
2018-12-12T15:41:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】什么是评估机器学习模型 机器学习的目的是得到可以泛化(generalize)的模型,即在前所未见的数据上表现很好的模型,而过拟合则是核心难点。你只能控制可以观察的事情,所以能够可靠地衡量模型的泛化能力非常重要。 如何衡量泛化能力,即如何评估机器学习模型。 评估模型的重点是将数据划分为三个集合:训练集 <a href="https://www.cnblogs.com/zuoshoushizi/p/10111722.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/9390904.html
机器学习算法之概率分类法 - 左手十字
对模型给予概率进行分类的手法称为概率分类法。给予概率是指对于模式X所对应的类别y的后验概率(y|x)进行学习。其所属类别为后验概率达到最大值时所对应的类别。 基于概率的模式识别的算法除了可以避免错误分类,还具有一个优势。就是的对多分类通常会有一个号的效果。 一、Logistic回归 首先,来看一下最
2018-07-30T07:41:00Z
2018-07-30T07:41:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】对模型给予概率进行分类的手法称为概率分类法。给予概率是指对于模式X所对应的类别y的后验概率(y|x)进行学习。其所属类别为后验概率达到最大值时所对应的类别。 基于概率的模式识别的算法除了可以避免错误分类,还具有一个优势。就是的对多分类通常会有一个号的效果。 一、Logistic回归 首先,来看一下最 <a href="https://www.cnblogs.com/zuoshoushizi/p/9390904.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/9283164.html
TensorFlow学习笔记(七)TesnorFlow实现计算加速 - 左手十字
目录: 一、TensorFlow使用GPU 二、深度学习训练与并行模式 三、多GPU并行 四、分布式TensorFlow 4.1分布式TensorFlow的原理 4.2分布式TensorFlow模型训练 4.3使用caicloud运行分布式TensorFlow 深度学习应用到实际问题中,一个非常棘手
2018-07-30T02:05:00Z
2018-07-30T02:05:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】目录: 一、TensorFlow使用GPU 二、深度学习训练与并行模式 三、多GPU并行 四、分布式TensorFlow 4.1分布式TensorFlow的原理 4.2分布式TensorFlow模型训练 4.3使用caicloud运行分布式TensorFlow 深度学习应用到实际问题中,一个非常棘手 <a href="https://www.cnblogs.com/zuoshoushizi/p/9283164.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/9310081.html
机器学习算法之决策树和随机森林 - 左手十字
决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象
2018-07-14T08:41:00Z
2018-07-14T08:41:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干,故称决策树。在机器学习中,决策树是一个预测模型,他代表的是对象 <a href="https://www.cnblogs.com/zuoshoushizi/p/9310081.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/9265993.html
TensorFlow学习笔记(七)Tesnor Board - 左手十字
为了更好的管理、调试和优化神经网络的训练过程,TensorFlow提供了一个可视化工具TensorBoard。TensorBoard可以有效的展示TensorFlow在运行过程中的计算图。、各种指标随着时间变化的趋势以及训练中使用到的腿昂等信息 一、TensorBoard简介 二、TensorBoa
2018-07-05T14:39:00Z
2018-07-05T14:39:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】为了更好的管理、调试和优化神经网络的训练过程,TensorFlow提供了一个可视化工具TensorBoard。TensorBoard可以有效的展示TensorFlow在运行过程中的计算图。、各种指标随着时间变化的趋势以及训练中使用到的腿昂等信息 一、TensorBoard简介 二、TensorBoa <a href="https://www.cnblogs.com/zuoshoushizi/p/9265993.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/9243691.html
TensorFlow学习笔记(六)循环神经网络 - 左手十字
一、循环神经网络简介 循环神经网络的主要用途是处理和预测序列数据。循环神经网络刻画了一个序列当前的输出与之前信息的关系。从网络结构上,循环神经网络会记忆之前的信息,并利用之前的信息影响后面节点的输出。 下图展示了一个典型的循环神经网络。 循环神经网络的一个重要的概念就是时刻。上图中循环神经网络的主体
2018-07-02T15:23:00Z
2018-07-02T15:23:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】一、循环神经网络简介 循环神经网络的主要用途是处理和预测序列数据。循环神经网络刻画了一个序列当前的输出与之前信息的关系。从网络结构上,循环神经网络会记忆之前的信息,并利用之前的信息影响后面节点的输出。 下图展示了一个典型的循环神经网络。 循环神经网络的一个重要的概念就是时刻。上图中循环神经网络的主体 <a href="https://www.cnblogs.com/zuoshoushizi/p/9243691.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/9242050.html
机器学习算法之降维 - 左手十字
在机器学习的过程中,我们经常会遇见过拟合的问题。而输入数据或features的维度过高就是导致过拟合的问题之一。。维度越高,你的数据在每个特征维度上的分布就越稀疏,这对机器学习算法基本都是灾难性的。所有出现了很多降维的方法。今天我们要讨论的就是LDA降维。 LDA降维的思路是:如果两类数据线性可分,
2018-06-29T04:46:00Z
2018-06-29T04:46:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】在机器学习的过程中,我们经常会遇见过拟合的问题。而输入数据或features的维度过高就是导致过拟合的问题之一。。维度越高,你的数据在每个特征维度上的分布就越稀疏,这对机器学习算法基本都是灾难性的。所有出现了很多降维的方法。今天我们要讨论的就是LDA降维。 LDA降维的思路是:如果两类数据线性可分, <a href="https://www.cnblogs.com/zuoshoushizi/p/9242050.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/9232095.html
TensorFlow学习笔记(五)图像数据处理 - 左手十字
目录: 一、TFRecord输入数据格式 1.1 TFrecord格式介绍 1.2 TFRecord样例程序 二、图像数据处理 2.1TensorFlow图像处理函数 2.2图像预处理完整样例 三、多线程数据输入处理框架 3.1 队列与多线程 3.2输入文件队列 3.3组合训练数据(batching
2018-06-27T00:20:00Z
2018-06-27T00:20:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】目录: 一、TFRecord输入数据格式 1.1 TFrecord格式介绍 1.2 TFRecord样例程序 二、图像数据处理 2.1TensorFlow图像处理函数 2.2图像预处理完整样例 三、多线程数据输入处理框架 3.1 队列与多线程 3.2输入文件队列 3.3组合训练数据(batching <a href="https://www.cnblogs.com/zuoshoushizi/p/9232095.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/9204953.html
TensorFlow学习笔记(四)图像识别与卷积神经网络 - 左手十字
一、卷积神经网络简介 卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。 一
2018-06-20T09:30:00Z
2018-06-20T09:30:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】一、卷积神经网络简介 卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。 一 <a href="https://www.cnblogs.com/zuoshoushizi/p/9204953.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/9170751.html
TensorFlow学习笔记(三)MNIST数字识别问题 - 左手十字
一、MNSIT数据处理 MNSIT是一个非常有名的手写体数字识别数据集。包含60000张训练图片,10000张测试图片。每张图片是28X28的数字。 TonserFlow提供了一个类来处理 MNSIT数据。这个类会自动下载并转化数据结构。 为了方便使用随机梯度下降, 二、神经网络模型训练及不同模型效
2018-06-11T16:30:00Z
2018-06-11T16:30:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】一、MNSIT数据处理 MNSIT是一个非常有名的手写体数字识别数据集。包含60000张训练图片,10000张测试图片。每张图片是28X28的数字。 TonserFlow提供了一个类来处理 MNSIT数据。这个类会自动下载并转化数据结构。 为了方便使用随机梯度下降, 二、神经网络模型训练及不同模型效 <a href="https://www.cnblogs.com/zuoshoushizi/p/9170751.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/9158820.html
TensorFlow学习笔记(二)深层神经网络 - 左手十字
一、深度学习与深层神经网络 深层神经网络是实现“多层非线性变换”的一种方法。 深层神经网络有两个非常重要的特性:深层和非线性。 1.1线性模型的局限性 线性模型:y =wx+b 线性模型的最大特点就是任意线性模型的组合仍然还是线性模型。 如果只通过线性变换,任意层的全连接神经网络和单层神经网络模型的
2018-06-09T02:55:00Z
2018-06-09T02:55:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】一、深度学习与深层神经网络 深层神经网络是实现“多层非线性变换”的一种方法。 深层神经网络有两个非常重要的特性:深层和非线性。 1.1线性模型的局限性 线性模型:y =wx+b 线性模型的最大特点就是任意线性模型的组合仍然还是线性模型。 如果只通过线性变换,任意层的全连接神经网络和单层神经网络模型的 <a href="https://www.cnblogs.com/zuoshoushizi/p/9158820.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/9148199.html
Tensorflow 学习笔记(一)TensorFlow入门 - 左手十字
一、计算模型 计算图 1.1 计算图的概念:TensorFlow就是通过图的形式绘制出张量节点的计算过程,例如下图执行了一个a+b的操作。 1.2 计算图的使用 TensorFlow程序一般分为两个阶段。第一个阶段定义计算图中的所有计算,第二个阶段执行计算(执行会话)。 阶段一 阶段二 在TF中,系
2018-06-06T16:18:00Z
2018-06-06T16:18:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】一、计算模型 计算图 1.1 计算图的概念:TensorFlow就是通过图的形式绘制出张量节点的计算过程,例如下图执行了一个a+b的操作。 1.2 计算图的使用 TensorFlow程序一般分为两个阶段。第一个阶段定义计算图中的所有计算,第二个阶段执行计算(执行会话)。 阶段一 阶段二 在TF中,系 <a href="https://www.cnblogs.com/zuoshoushizi/p/9148199.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/8855197.html
pandas(九)数据转换 - 左手十字
移除重复数据 dataframe中常常会出现重复行,DataFrame对象的duplicated方法返回一个布尔型的Series对象,可以表示各行是否是重复行。还有一个drop_duplicates方法,用于返回一个移除了重复行的DataFrame。 是否已经发现,duplicated和drop_d
2018-04-16T03:56:00Z
2018-04-16T03:56:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】移除重复数据 dataframe中常常会出现重复行,DataFrame对象的duplicated方法返回一个布尔型的Series对象,可以表示各行是否是重复行。还有一个drop_duplicates方法,用于返回一个移除了重复行的DataFrame。 是否已经发现,duplicated和drop_d <a href="https://www.cnblogs.com/zuoshoushizi/p/8855197.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/8847058.html
pandas(八)重塑和轴向旋转 - 左手十字
重塑层次化索引 层次化索引为DataFrame的重排提供了良好的一致性操作,主要方法有 stack :将数据的列旋转为行 unstack:将数据的行转换为列 用一个dataframe对象举例 对于DataFrame,无论是使用unstack,还是stack,得到都是一个Series对象 Series
2018-04-15T05:00:00Z
2018-04-15T05:00:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】重塑层次化索引 层次化索引为DataFrame的重排提供了良好的一致性操作,主要方法有 stack :将数据的列旋转为行 unstack:将数据的行转换为列 用一个dataframe对象举例 对于DataFrame,无论是使用unstack,还是stack,得到都是一个Series对象 Series <a href="https://www.cnblogs.com/zuoshoushizi/p/8847058.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/8810876.html
pandas(七)数据规整化:清理、转换、合并、重塑之合并数据集 - 左手十字
pandas对象中的数据可以通过一些内置的方式进行合并: pandas.merge 可根据一个或多个键将不同的DataFrame中的行连接起来。 pandas.concat可以沿着一条轴将多个对象堆叠到一起 实例的方法conbine_first 可以将重复的数据编接到一起,用一个对象中的值填充另一个
2018-04-12T14:28:00Z
2018-04-12T14:28:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】pandas对象中的数据可以通过一些内置的方式进行合并: pandas.merge 可根据一个或多个键将不同的DataFrame中的行连接起来。 pandas.concat可以沿着一条轴将多个对象堆叠到一起 实例的方法conbine_first 可以将重复的数据编接到一起,用一个对象中的值填充另一个 <a href="https://www.cnblogs.com/zuoshoushizi/p/8810876.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/8745582.html
pandas(六)读写文本格式的数据 - 左手十字
pandas提供的将表格型数据读取为DataFrame对象的函数。
2018-04-08T08:09:00Z
2018-04-08T08:09:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】pandas提供的将表格型数据读取为DataFrame对象的函数。 <a href="https://www.cnblogs.com/zuoshoushizi/p/8745582.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/8735497.html
pandas(五)处理缺失数据和层次化索引 - 左手十字
pandas用浮点值Nan表示浮点和非浮点数组中的缺失数据。它只是一个便于被检测的标记而已。 NA处理方法 特别说明dropna方法: 常用参数: axis 指定轴 how :“any/all” any代表只有有缺失值,all代表一列全部缺失 thresh; 代表最少notnull值的个数,是一个整
2018-04-07T15:10:00Z
2018-04-07T15:10:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】pandas用浮点值Nan表示浮点和非浮点数组中的缺失数据。它只是一个便于被检测的标记而已。 NA处理方法 特别说明dropna方法: 常用参数: axis 指定轴 how :“any/all” any代表只有有缺失值,all代表一列全部缺失 thresh; 代表最少notnull值的个数,是一个整 <a href="https://www.cnblogs.com/zuoshoushizi/p/8735497.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/8734027.html
pandas(四)唯一值、值计数以及成员资格 - 左手十字
针对Series对象,从中抽取信息 unique可以得到Series对象的唯一值数组 返回的是未排序的数组,如果需要排序,再次执行sort()方法或者用numpy的顶级函数sort() 值计数 用到value_counts方法或value_count顶级函数 isin用于判断矢量化集合的成员资格,可
2018-04-07T09:53:00Z
2018-04-07T09:53:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】针对Series对象,从中抽取信息 unique可以得到Series对象的唯一值数组 返回的是未排序的数组,如果需要排序,再次执行sort()方法或者用numpy的顶级函数sort() 值计数 用到value_counts方法或value_count顶级函数 isin用于判断矢量化集合的成员资格,可 <a href="https://www.cnblogs.com/zuoshoushizi/p/8734027.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/8733799.html
pandas(三)汇总和计算描述统计 - 左手十字
pandas对象有一些常用的数学和统计的方法,大部分都属于约简或汇总统计。 SUM方法 DataFrame对象的sum方法,返回一个含有列小计的Series NA值会自动被踢除(新版本会自动转换为0)。可以通过skipna选项禁用此功能。 常用的统计方法: 统计方法的常用选项 axis=None,s
2018-04-07T08:57:00Z
2018-04-07T08:57:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】pandas对象有一些常用的数学和统计的方法,大部分都属于约简或汇总统计。 SUM方法 DataFrame对象的sum方法,返回一个含有列小计的Series NA值会自动被踢除(新版本会自动转换为0)。可以通过skipna选项禁用此功能。 常用的统计方法: 统计方法的常用选项 axis=None,s <a href="https://www.cnblogs.com/zuoshoushizi/p/8733799.html" target="_blank">阅读全文</a>
https://www.cnblogs.com/zuoshoushizi/p/8733678.html
pandas(二)函数应用和映射 - 左手十字
NumPy的ufuncs也可以操作pandas对象 用DataFrame的apply方法,可以将函数应用到由各列或行所形成的一维数组中。 用DataFrame的applymap方法,可以将函数应用到元素级的数据上。 Series也有一个元素级函数应用的方法map 排序和排名 用sort_index对
2018-04-07T08:31:00Z
2018-04-07T08:31:00Z
左手十字
https://www.cnblogs.com/zuoshoushizi/
【摘要】NumPy的ufuncs也可以操作pandas对象 用DataFrame的apply方法,可以将函数应用到由各列或行所形成的一维数组中。 用DataFrame的applymap方法,可以将函数应用到元素级的数据上。 Series也有一个元素级函数应用的方法map 排序和排名 用sort_index对 <a href="https://www.cnblogs.com/zuoshoushizi/p/8733678.html" target="_blank">阅读全文</a>