摘要：
历史 Airflow于2014年10月由Airbnb的Maxime Beauchemin开始。 它是第一次提交的开源，并在2015年6月宣布正式加入Airbnb Github。 该项目于2016年3月加入了Apache Software Foundation的孵化计划。 提交者 @mistercru 阅读全文
posted @ 2018-11-28 19:58
绝不原创的飞龙
阅读(25)
评论(0)
推荐(0)
摘要：
将上一节的假设改一改，模型就可以用于回归问题。 操作步骤 导入所需的包。 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt import sklearn.datasets as ds import s 阅读全文
posted @ 2018-11-27 19:42
绝不原创的飞龙
阅读(29)
评论(0)
推荐(0)
摘要：
在传统机器学习方法，支持向量机算是比较厉害的方法，但是计算过程非常复杂。软间隔支持向量机通过减弱了其约束，使计算变得简单。 操作步骤 导入所需的包。 import tensorflow as tf import numpy as np import matplotlib as mpl import 阅读全文
posted @ 2018-11-27 19:39
绝不原创的飞龙
阅读(29)
评论(0)
推荐(0)
摘要：
仓库：https://github.com/apachecn/airflow-doc-zh 进度：https://github.com/apachecn/airflow-doc-zh/issues/1 贡献指南：https://github.com/apachecn/airflow-doc-zh/b 阅读全文
posted @ 2018-11-25 21:50
绝不原创的飞龙
阅读(23)
评论(0)
推荐(0)
摘要：
译者：szcf-weiya ESL 指的是 The Elements of Statistical Learning。因为（译者）自己也是统计学专业，所以想研读这本书，同时实现书中的算法及其例子，并尝试解决习题。 说明 参考文献保留原书的写法，如 “Efron and Tibshirani (199 阅读全文
posted @ 2018-11-25 17:44
绝不原创的飞龙
阅读(203)
评论(0)
推荐(0)
摘要：
1.4 Softmax 回归 Softmax 回归可以看成逻辑回归在多个类别上的推广。 操作步骤 导入所需的包。 import tensorflow as tf import numpy as np import matplotlib as mpl import matplotlib.pyplot 阅读全文
posted @ 2018-11-23 21:01
绝不原创的飞龙
阅读(26)
评论(0)
推荐(0)
摘要：
1.3 逻辑回归 将线性回归的模型改一改，就可以用于二分类。逻辑回归拟合样本属于某个分类，也就是样本为正样本的概率。 操作步骤 导入所需的包。 import tensorflow as tf import numpy as np import matplotlib as mpl import mat 阅读全文
posted @ 2018-11-23 21:00
绝不原创的飞龙
阅读(24)
评论(0)
推荐(0)
摘要：
1.2 LASSO、岭和 Elastic Net 当参数变多的时候，就要考虑使用正则化进行限制，防止过拟合。 操作步骤 导入所需的包。 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt import 阅读全文
posted @ 2018-11-23 20:58
绝不原创的飞龙
阅读(28)
评论(0)
推荐(0)
摘要：
1.1 线性回归 线性回归是你能用 TF 搭出来的最简单的模型。 操作步骤 导入所需的包。 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt import sklearn.datasets as ds 阅读全文
posted @ 2018-11-23 20:56
绝不原创的飞龙
阅读(27)
评论(0)
推荐(0)
摘要：
本来不想先写这篇的，有个任务要用到，就花了一天时间弄清楚，然后总觉得要写点什么，就写了。 NCE（噪声对比估计） 负采样可以看成 NCE 的特化，所以有必要先讲一下 NCE。 在 Softmax 回归中，样本属于某个分类的概率是： P ( y = k ∣ x ) = exp ( w k T x 阅读全文
posted @ 2018-11-14 22:59
绝不原创的飞龙
阅读(55)
评论(0)
推荐(0)
浙公网安备 33010602011771号