摘要: 直接看代码: 画图结果: 阅读全文
posted @ 2017-12-24 14:29 陈阔 阅读(1898) 评论(0) 推荐(1)
摘要: 我们直接看代码: 我们的代码中,加载了三组数据,分别为iris, digits和boston 其中,前两个是用于分类的数据,你可以看到数据对应的target_names, 由于boston是用来回归的, 回归的y一般都是一个数字,而且没法一一列举,所以,你只能看到每一维特征都代表了什么。 代码执行结 阅读全文
posted @ 2017-12-24 11:08 陈阔 阅读(1572) 评论(0) 推荐(0)
摘要: 这个自定义损失函数的背景:(一般回归用的损失函数是MSE, 但要看实际遇到的情况而有所改变) 我们现在想要做一个回归,来预估某个商品的销量,现在我们知道,一件商品的成本是1元,售价是10元。 如果我们用均方差来算的话,如果预估多一个,则损失一块钱,预估少一个,则损失9元钱(少赚的)。 显然,我宁愿预 阅读全文
posted @ 2017-12-22 17:33 陈阔 阅读(6632) 评论(0) 推荐(0)
摘要: 这个函数可以参考吴恩达deeplearning.ai中的指数加权平均。 和指数加权平均不一样的是,tensorflow中提供的这个函数,能够让decay_rate随着step的变化而变化。(在训练初期的时候,较小,在训练后期的时候,回归到比较大的情况) 公式是这样的: decay= min(deca 阅读全文
posted @ 2017-12-22 17:19 陈阔 阅读(1515) 评论(0) 推荐(0)
摘要: ROC是一个曲线,AUC是曲线下面的面积值。 ROC曲线是FPR和TPR的点连成的线。 可以从上面的图看到,横轴是FPR, 纵轴是TPR (TPR = TP / (TP + FN);FPR = FP / (FP + TN)) ROC曲线如果想要理解的话,要关注四点一线: 1) (0,1)点:FPR= 阅读全文
posted @ 2017-11-14 23:18 陈阔 阅读(4420) 评论(0) 推荐(0)
点击右上角即可分享
微信分享提示