摘要: <<博客版.pptx>> 阅读全文
posted @ 2019-01-24 16:31 行走中的机器码 阅读(153) 评论(0) 推荐(0) 编辑
摘要: 4.1多维特征 多维特征长这个样子: 进一步的,我们为让公式简化,引入x0=1,这样的话,公式就变成下面这个样子: 进一步的简化,可以表示为: 4.2多变量梯度下降 首先,构建多变量线性回归的代价函数: 那么我们的目标就成功的转化为了:求取使代价函数最小的一系列参数。 那么多变量线性回归的批量梯度下 阅读全文
posted @ 2019-01-17 11:16 行走中的机器码 阅读(148) 评论(0) 推荐(0) 编辑
摘要: 文本分类长度较大,对文本的智能解析是很有挑战的。 阅读全文
posted @ 2019-01-15 11:10 行走中的机器码 阅读(122) 评论(0) 推荐(0) 编辑
摘要: 机器学习的两大基本问题:回归问题与分类问题。 什么是机器学习:根据已知的数据学习出一个数学函数使其能够有更强的预测能力。 学习路线:传统学习-深度学习-强化学习 阅读全文
posted @ 2019-01-15 11:09 行走中的机器码 阅读(242) 评论(0) 推荐(0) 编辑
摘要: a 阅读全文
posted @ 2019-01-15 11:08 行走中的机器码 阅读(1398) 评论(0) 推荐(1) 编辑
摘要: datetime的表现形式为: '2015-08-28 16:43:37.283' '2015-08-28 16:43:37.283' timestamp的表现形式为: 1440751417.283 1440751417.283 阅读全文
posted @ 2019-01-15 11:08 行走中的机器码 阅读(149) 评论(0) 推荐(0) 编辑
摘要: 1.从GitHub下载jupyterthemes。 网址为https://github.com/dunovank/jupyter-themes,自行下载即可。 ​ 2.使用管理员模式打开命令行窗口 这一点很重要,之前一直各种问题,后来使用管理员模式就避免了。 3.进行更新操作 pip install 阅读全文
posted @ 2019-01-15 11:07 行走中的机器码 阅读(255) 评论(0) 推荐(0) 编辑
摘要: 1.右击jupyter notebook的快捷方式,打开"属性" 2.修改"起始位置"为你想要的路径 3.删除"目标"中的参数%USERPROFILE%就可以了 ​ 阅读全文
posted @ 2019-01-15 11:06 行走中的机器码 阅读(454) 评论(0) 推荐(0) 编辑
摘要: 打开网址https://www.macxin.com/archives/4722.html,上面有详细的安装教程以及资源链接,尤其适合安装linux版本的。 阅读全文
posted @ 2019-01-15 11:05 行走中的机器码 阅读(623) 评论(0) 推荐(0) 编辑
摘要: 1 2 3 4 5 6 import pandas as pd dict=[[1,2,3,4,5,6],[2,3,4,5,6,7],[3,4,5,6,7,8],[4,5,6,7,8,9],[5,6,7,8,9,10]] data=pd.DataFrame(dict) print(data) for  阅读全文
posted @ 2019-01-15 11:05 行走中的机器码 阅读(15158) 评论(0) 推荐(0) 编辑