蔡军帅 - 博客园

2018年9月15日

分类预测，交叉验证调超参数

摘要：调参数是一件很头疼的事情，今天学习到一个较为简便的跑循环交叉验证的方法，虽然不是最好的，如今网上有很多调参的技巧，目前觉得实现简单的，以后了解更多了再更新。import numpy as npfrom p... 阅读全文

posted @ 2018-09-15 00:18 蔡军帅阅读(187) 评论(0) 推荐(0)

2018年9月14日

使用交叉验证对鸢尾花分类模型进行调参(超参数)

摘要：如何选择超参数：交叉验证：如图，大训练集分块，使用不同的分块方法分成N对小训练集和验证集。使用小训练集进行训练，使用验证集进行验证，得到准确率，求N个验证集上的平均正确率；使用平均正确率最高的超参数，对整... 阅读全文

posted @ 2018-09-14 23:25 蔡军帅阅读(1496) 评论(1) 推荐(1)

使用交叉验证对鸢尾花分类模型进行调参(超参数)

摘要：如何选择超参数：交叉验证：如图，大训练集分块，使用不同的分块方法分成N对小训练集和验证集。使用小训练集进行训练，使用验证集进行验证，得到准确率，求N个验证集上的平均正确率；使用平均正确率最高的超参数，对整个大训练集进行训练，训练出参数。在训练集上训练。十折交叉验证网格搜索诸如你有多阅读全文

posted @ 2018-09-14 23:25 蔡军帅阅读(912) 评论(0) 推荐(0)

2018年9月8日

python 可视化散点图。柱状图、等高线

摘要： matplolib.org可查到更多画图方法等散点图柱状图：等高线图像本知识学于莫烦python 阅读全文

posted @ 2018-09-08 13:42 蔡军帅阅读(3230) 评论(0) 推荐(0)

python 可视化散点图。柱状图、等高线

摘要： matplolib.org可查到更多画图方法等散点图import matplotlib.pyplot as pltimport numpy as np#n个点n = 1024#平均值是0，方差是1X = ... 阅读全文

posted @ 2018-09-08 13:42 蔡军帅阅读(214) 评论(0) 推荐(0)

2018年9月7日

python 可视化二维坐标标注等等

摘要：基本画图操作：import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-3,3,50)y1 = 2*x+1y2 = x**2#x... 阅读全文

posted @ 2018-09-07 21:38 蔡军帅阅读(288) 评论(0) 推荐(0)

python 可视化二维坐标标注等等

摘要：基本画图操作：设置图例：设置坐标轴位置：标注： (1)annotate语法说明：annotate(s='str' ,xy=(x,y) ,xytext=(l1,l2) ,..) s 为注释文本内容 xy 为被注释的坐标点xytext 为注释文字的坐标位置xycoords 参数如下: figur 阅读全文

posted @ 2018-09-07 21:38 蔡军帅阅读(2691) 评论(0) 推荐(0)

用Keras搭建神经网络简单模版（三）—— CNN 卷积神经网络（手写数字图片识别）

摘要：从mnist下载手写数字图片数据集，图片为28*28，将每个像素的颜色（0到255）改为（0倒1），将标签y变为10个长度，若为1，则在1处为1，剩下的都标为0。接下来搭建CNN 卷积->池化->卷积->池化使图片从（1,28,28）->（32,28,28）->（32,14,14）-> (64, 阅读全文

posted @ 2018-09-07 11:40 蔡军帅阅读(3421) 评论(0) 推荐(0)

用Keras搭建神经网络简单模版（三）—— CNN 卷积神经网络（手写数字图片识别）...

摘要： # -*- coding: utf-8 -*-import numpy as npnp.random.seed(1337) #for reproducibility再现性from keras.datasets i... 阅读全文

posted @ 2018-09-07 11:40 蔡军帅阅读(223) 评论(0) 推荐(0)

用Keras搭建神经网络简单模版（二）——Classifier分类（手写数字识别）

摘要： # -*- coding: utf-8 -*-import numpy as npnp.random.seed(1337) #for reproducibility再现性from keras.datasets i... 阅读全文

posted @ 2018-09-07 10:28 蔡军帅阅读(129) 评论(0) 推荐(0)