随笔分类 - sklearn
关于scikit-learn的哲学
摘要：tensorflow 工程 实践 范例
阅读全文
摘要：https://blog.csdn.net/thriving_fcl/article/details/75213361 同一个模型图，可以根据根据输入输出任意组成signature_def，使模型的任意组合使用方便， signature_def了一种组织方式！ 一个图标签下，可以任意组合很多种sig
阅读全文
摘要：tensorflow estimator 与 model_fn 是这样沟通的
阅读全文
摘要：面向过程、面向函数、面向对象的区别浅谈
阅读全文
摘要：pyspark 使用的细节问题
阅读全文
摘要：variable_scope 与 name_scope 区别： 顾名思义，变量共享时就用变量空间，只是为了取名字是就用名字空间 看构造函数就知道了，变量空间多了reuse 调用新建操作都会有新的命名空间产生，with ...是个新建操作，为接下来的操作加前缀 用一个的话就用variable_scop
阅读全文
摘要：tensorflow 条件语句与循环语句 条件语句与switch 循环语句 下面的揭示了本质，这种语句条件循环在scala中常见，scala不提倡用break，用如下方式；这也是程序具有了动态性！ 返回： 循环后循环变量的输出张量。如果return_same_structure为True，则返回值具
阅读全文
摘要：tensorflow 如何生成各种随机数，不要限制在框架内！ X = tf.placeholder(tf.int32,shape=(None,None)) int1 = sess.run(X,feed_dict={X:[random.choices([1,2,3,4,5,6,7,8],k=5) fo
阅读全文
摘要：以下两种方式有什么不一样，以及优劣？ 总结一下就是并存三个迭代器对象，而不像之前只有一个，通过重新初始化便可多次复用；当前的情况就是，另外两个借助一个迭代器到达next_element; 像汇流一样。 可馈送迭代器可以与 tf.placeholder 一起使用，以选择所使用的 Iterator（在每
阅读全文
摘要：大家觉得这两段简单的代码有什么本质不同吗？ max_value = tf.placeholder(tf.int64, shape=[]) dataset = tf.data.Dataset.range(max_value) iterator = dataset.make_initializable_
阅读全文
摘要：https://www.oreilly.com/learning/extend spark ml for your own modeltransformer types 要了解有关Spark ML所基于的数据集API的未来的更多信息，请查看Holden Karau和Seth Hendrickson的
阅读全文
摘要：概述：估算器，变换器和管道 spark.ml 该spark.ml软件包旨在提供基于DataFrame构建的一组统一的高级API ，帮助用户创建和调整实用的机器学习流程。有关子包的指南，请参阅下面的算法指南部分 spark.ml，包括Pipelines API特有的功能转换器，集合等。 管道中的主要概
阅读全文
摘要：FeatureUnion 与 ColumnTransformer 关系
阅读全文
摘要：按组k fold 与 单样本k fold有不同，简单k fold从第一个样本到最后一个样本，基本按顺序分组，而按组的方式不是！这也是在样本独立情况下需要shuffle的原因。 k fold 的样本可以有不同，不仅仅是[1, 2], [3, 4], [5,6], [7,8] ，还可以是[2, 3],
阅读全文
摘要：As model_selection.GridSearchCV uses set_params to apply parameter setting to estimators, it is essential that calling set_params has the same effect
阅读全文
浙公网安备 33010602011771号