祈欢

摘要： TensorFlow线性回归 实验原理 线性回归是用来度量变量间关系的统计技术。该算法的实现并不复杂，但可以适用于很多情形。正是因为这些原因，以线性回归作为开始学习TensorFlow的开始。 不管在两个变量（简单回归）或多个变量（多元回归）情形下，线性回归都是对一个依赖变量，多个独立变量xi，一个 阅读全文

摘要： TensorFlow基本操作 实验原理 TensorFlow 是一个编程系统，使用图来表示计算任务，图中的节点被称之为 op (operation 的缩写)。一个 op 获得 0 个或多个 Tensor，执行计算产生 0 个或多个 Tensor。每个 Tensor 是一个类型化的多维数组。例如，你可 阅读全文

摘要： from sklearn.model_selection import train_test_split,cross_val_score # 交叉验证所需的函数 from sklearn.model_selection import KFold,LeaveOneOut,LeavePOut,Shuff 阅读全文

摘要： RDD行动算子 1）聚集 RDD 中的所有元素，先聚合分区内数据，再聚合分区间数据 val rdd: RDD[Int] = sc.makeRDD(List(1,2,3,4)) // 聚合数据 val reduceResult: Int = rdd.reduce(_+_) 2）在驱动程序中，以数组 A 阅读全文

摘要： 算子用法 1）当分区内计算规则和分区间计算规则相同时，aggregateByKey 就可以简化为 foldByKey val dataRDD1 = sparkContext.makeRDD(List(("a",1),("b",2),("c",3))) val dataRDD2 = dataRDD1. 阅读全文

摘要： X = [[1, -1, 2], [2, 0, 0], [0, 1, -1]] # 使用L2正则化 from sklearn.preprocessing import normalize # 归一化函数 # 归一化就是要把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。首先归一化是 阅读全文

摘要： from sklearn.preprocessing import MinMaxScaler import numpy as np # 归一化 # 产生数据集 # 数据集：产生具有均匀分布的数组，low起始值，high结束值，size形状 data = np.random.uniform(0, 10 阅读全文

摘要： from sklearn.preprocessing import StandardScaler from sklearn.preprocessing import MinMaxScaler from matplotlib import gridspec import numpy as np imp 阅读全文

摘要： import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D from sklearn.cluster import KMeans from sklearn import data 阅读全文

摘要： from sklearn import datasets import matplotlib.pyplot as plt import numpy as np from sklearn import tree # Iris数据集是常用的分类实验数据集， # 由Fisher, 1936收集整理。Iri 阅读全文