摘要：
iris二分类 下面例子数据集可能更好看； 高斯核函数的应用，其实也可以自定义很多核函数： 阅读全文
posted @ 2018-05-05 22:41
bonelee
阅读(1731)
评论(0)
推荐(0)
摘要：
实现的是预测 低 出生 体重 的 概率。尼克·麦克卢尔（Nick McClure）. TensorFlow机器学习实战指南 (智能系统与技术丛书) (Kindle 位置 1060-1061). Kindle 版本. 阅读全文
posted @ 2018-05-05 22:28
bonelee
阅读(421)
评论(0)
推荐(0)
摘要：
线性回归的一般形式 过拟合问题及其解决方法 问题：以下面一张图片展示过拟合问题 解决方法：(1)：丢弃一些对我们最终预测结果影响不大的特征，具体哪些特征需要丢弃可以通过PCA算法来实现；(2)：使用正则化技术，保留所有特征，但是减少特征前面的参数θ的大小，具体就是修改线性回归中的损失函数形式即可，岭 阅读全文
posted @ 2018-05-05 22:17
bonelee
阅读(6913)
评论(0)
推荐(0)
摘要：
线性拟合🌹叶子的长宽： 阅读全文
posted @ 2018-05-05 22:01
bonelee
阅读(370)
评论(1)
推荐(0)
摘要：
from：https://www.cnblogs.com/shibalang/p/4859645.html 多元线性回归是最简单的机器学习模型，通过给定的训练数据集，拟合出一个线性模型，进而对新数据做出预测。 对应的模型如下： n: 特征数量。 一般选取残差平方和最小化作为损失函数，对应为： M:训 阅读全文
posted @ 2018-05-05 21:46
bonelee
阅读(10383)
评论(0)
推荐(0)
摘要：
【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法 from：https://blog.csdn.net/mao_xiao_feng/article/details/53382790 from：https://blog.csdn.net/ma 阅读全文
posted @ 2018-05-05 20:23
bonelee
阅读(8502)
评论(0)
推荐(1)
摘要：
tf.nn.sigmoid_cross_entropy_with_logits(_sentinel=None,labels=None, logits=None, name=None) sigmoid_cross_entropy_with_logits详解 这个函数的输入是logits和targets 阅读全文
posted @ 2018-05-05 20:13
bonelee
阅读(9930)
评论(0)
推荐(1)
摘要：
# Combining Everything Together #---------------------------------- # This file will perform binary classification on the # iris dataset. We will only predict if a flower is # I.setosa or not. # # ... 阅读全文
posted @ 2018-05-05 20:04
bonelee
阅读(947)
评论(0)
推荐(0)
摘要：
# Activation Functions #---------------------------------- # # This function introduces activation # functions in TensorFlow # Implementing Activation Functions import matplotlib.pyplot as plt imp... 阅读全文
posted @ 2018-05-05 12:10
bonelee
阅读(1754)
评论(0)
推荐(0)
摘要：
知乎上的回答：https://www.zhihu.com/question/59201590 过拟合即在训练误差很小,而泛化误差很大,因为模型可能过于的复杂,使其”记住”了训练样本,然而其泛化误差却很高,在传统的机器学习方法中有很大防止过拟合的方法,同样这些方法很多也适合用于深度学习中,同时深度学习 阅读全文
posted @ 2018-05-05 10:05
bonelee
阅读(22857)
评论(0)
推荐(1)
浙公网安备 33010602011771号