09 2018 档案

(180923)通过正则化降低特征组合过度 模型过于复杂---机器学习速成
摘要：问题提出及正则化的引入正则化的提出同样是解决模型过拟合问题，之前提出的特征组合来训练模型，当训练次数足够多时，损失会降低到非常的低，但却会出现过拟合问题。如图迭代次数足够多，模型的复杂度也越高。可见一个好的模型和损失、模型的复杂度都有关。所以，训练优化算法是... 阅读全文
posted @ 2018-09-23 19:12 不知道的痛 阅读(368) 评论(0) 推荐(0)
MySQL无法创建外键错误 Err 1215: Cannot add the foreign key constraint
摘要：今天在写数据库作业时，遇到的无法创建外键问题create table department (dept_name varchar(20), building varchar(15), budget numeric(12,2) c... 阅读全文
posted @ 2018-09-23 15:03 不知道的痛 阅读(593) 评论(0) 推荐(0)
(180911)验证（validation）：数据集的进一步划分 避免测试集过拟合---Google机器学习速成课程笔记
摘要：上次提到了通过划分数据集为训练集和测试集，并不断迭代训练模型，通过测试集对模型进行评估，进而不断调整超参数，来解决过拟合问题。但是还会出现问题 按数据集分成训练集和测试集不断迭代训练模型的方式，每次迭代时，我们都会对训练数据进行训练并评估测试数据，并以基于... 阅读全文
posted @ 2018-09-11 19:11 不知道的痛 阅读(624) 评论(0) 推荐(0)
数据分析中对numpy、pandas如何理解axis=0/1 行列定义
摘要：一直把axis 0为行 ，1为列来记的，今天再次使用时，对删除列drop中axis=1 和对行求均值时 axis=1，这里又有了些迷惑，所以特此记录。再次总结一下，axis=0 确保结果不更改列索引， axis=1 确保结果不变动行索引值（简写为axis行不... 阅读全文
posted @ 2018-09-10 20:30 不知道的痛 阅读(672) 评论(0) 推荐(0)
(180909)泛化及解决模型过拟合问题---Google机器学习速成课程笔记
摘要：泛化 (Generalization) 是什么先解释什么是泛化。Generalization，一般化，泛化。就是把训练所得模型应用于新的样本数据进行预测的过程。在模型的训练过程中，存在一种现象：模型与训练样本数据过于符合(匹配)，但未必对于新的数据也有非常O... 阅读全文
posted @ 2018-09-09 21:08 不知道的痛 阅读(244) 评论(0) 推荐(0)
(180905)如何通过梯度下降法降低损失----Google机器学习速成课程笔记
摘要：以下内容只需了解，理解更好；像梯度下降法这些机器学习算法都已经被机器学习框架所集成了，只要会用就好通过迭代减少损失梯度下降法个人对减小损失的理解理想的步长 α随机梯度下降法（SGD）小批量随机梯度下降法（小批量 SGD）通过迭代减少损失如图所示，机器学习... 阅读全文
posted @ 2018-09-05 19:44 不知道的痛 阅读(328) 评论(0) 推荐(0)
(180904)Descending into ML：线性回归 和 训练与损失---- Google 机器学习速成课程笔记
摘要：线性回归模型视频和文章中分别描述了两个例子：通过房屋面积来预测房价，通过虫鸣声来预测温度通过虫鸣声来预测温度,如图线性关系很简单，不难理解，这里的 y’ 使我们预测的值，b 是偏差，W1 是特征1的权重，X1 是特征1对于多个特征 Xi 而言， 我... 阅读全文
posted @ 2018-09-04 20:22 不知道的痛 阅读(156) 评论(0) 推荐(0)
Git学习和使用归纳《一》
摘要：[TOC] 常用的版本控制工具 · Github的基础 安装 "git for windows下载" "git 配置" 命令列表 在进行任何 Git 操作之前，都要先切换到 Git 仓库目录，也就是先要先切换到项 目的文件夹目录下 新建git仓库并初始化 1. 新建test文件夹 2. 在test内 阅读全文
posted @ 2018-09-03 19:50 不知道的痛 阅读(141) 评论(0) 推荐(0)
(180903)如何将问题构建成机器学习问题----Google 机器学习速成笔记
摘要：问题提出 如何创建模型 如何结合输入的数据(信息)进行合理的预测 课程中是以垃圾邮件分类为案例展开的 在训练垃圾分类模型时，我们会提供大量的有标签样本进行创建、学习、预测模型，然后通过无标签样本来预测该样本的标签所属。 整个流程大概是这样，然后，什么是样本？标签？模型？ 术语 标签 （label）和 阅读全文
posted @ 2018-09-03 19:48 不知道的痛 阅读(188) 评论(0) 推荐(0)
(180903)如何将问题构建成机器学习问题----Google 机器学习速成课程笔记
摘要：问题提出 如何创建模型 如何结合输入的数据(信息)进行合理的预测 课程中是以垃圾邮件分类为案例展开的在训练垃圾分类模型时，我们会提供大量的有标签样本进行创建、学习、预测模型，然后通过无标签样本来预测该样本的标签所属。整个流程大概是这样，然后，什么是样本？标签... 阅读全文
posted @ 2018-09-03 19:43 不知道的痛 阅读(165) 评论(0) 推荐(0)
Git学习和使用归纳《一》
摘要：常用的版本控制工具 · Github的基础安装命令列表新建git仓库并初始化查看仓库状态 git status向缓存区提交文件 git add 向仓库提交 git commit -m’mes’查看所有提交记录 git log分支(branch) 新建并选择分支合并分支... 阅读全文
posted @ 2018-09-02 12:15 不知道的痛 阅读(312) 评论(0) 推荐(0)