摘要: 一、卷积神经网络简介 卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。 一阅读全文
posted @ 2018-06-20 17:30 左手十字 阅读(4) 评论(0) 编辑
摘要: 一、MNSIT数据处理 MNSIT是一个非常有名的手写体数字识别数据集。包含60000张训练图片,10000张测试图片。每张图片是28X28的数字。 TonserFlow提供了一个类来处理 MNSIT数据。这个类会自动下载并转化数据结构。 为了方便使用随机梯度下降, 二、神经网络模型训练及不同模型效阅读全文
posted @ 2018-06-12 00:30 左手十字 阅读(12) 评论(0) 编辑
摘要: 一、深度学习与深层神经网络 深层神经网络是实现“多层非线性变换”的一种方法。 深层神经网络有两个非常重要的特性:深层和非线性。 1.1线性模型的局限性 线性模型:y =wx+b 线性模型的最大特点就是任意线性模型的组合仍然还是线性模型。 如果只通过线性变换,任意层的全连接神经网络和单层神经网络模型的阅读全文
posted @ 2018-06-09 10:55 左手十字 阅读(16) 评论(0) 编辑
摘要: 一、计算模型 计算图 1.1 计算图的概念:TensorFlow就是通过图的形式绘制出张量节点的计算过程,例如下图执行了一个a+b的操作。 1.2 计算图的使用 TensorFlow程序一般分为两个阶段。第一个阶段定义计算图中的所有计算,第二个阶段执行计算(执行会话)。 阶段一 阶段二 在TF中,系阅读全文
posted @ 2018-06-07 00:18 左手十字 阅读(135) 评论(0) 编辑
摘要: 移除重复数据 dataframe中常常会出现重复行,DataFrame对象的duplicated方法返回一个布尔型的Series对象,可以表示各行是否是重复行。还有一个drop_duplicates方法,用于返回一个移除了重复行的DataFrame。 是否已经发现,duplicated和drop_d阅读全文
posted @ 2018-04-16 11:56 左手十字 阅读(9) 评论(0) 编辑
摘要: 重塑层次化索引 层次化索引为DataFrame的重排提供了良好的一致性操作,主要方法有 stack :将数据的列旋转为行 unstack:将数据的行转换为列 用一个dataframe对象举例 对于DataFrame,无论是使用unstack,还是stack,得到都是一个Series对象 Series阅读全文
posted @ 2018-04-15 13:00 左手十字 阅读(39) 评论(0) 编辑
摘要: pandas对象中的数据可以通过一些内置的方式进行合并: pandas.merge 可根据一个或多个键将不同的DataFrame中的行连接起来。 pandas.concat可以沿着一条轴将多个对象堆叠到一起 实例的方法conbine_first 可以将重复的数据编接到一起,用一个对象中的值填充另一个阅读全文
posted @ 2018-04-12 22:28 左手十字 阅读(135) 评论(0) 编辑
摘要: pandas提供的将表格型数据读取为DataFrame对象的函数。阅读全文
posted @ 2018-04-08 16:09 左手十字 阅读(10) 评论(0) 编辑
摘要: pandas用浮点值Nan表示浮点和非浮点数组中的缺失数据。它只是一个便于被检测的标记而已。 NA处理方法 特别说明dropna方法: 常用参数: axis 指定轴 how :“any/all” any代表只有有缺失值,all代表一列全部缺失 thresh; 代表最少notnull值的个数,是一个整阅读全文
posted @ 2018-04-07 23:10 左手十字 阅读(91) 评论(0) 编辑
摘要: 针对Series对象,从中抽取信息 unique可以得到Series对象的唯一值数组 返回的是未排序的数组,如果需要排序,再次执行sort()方法或者用numpy的顶级函数sort() 值计数 用到value_counts方法或value_count顶级函数 isin用于判断矢量化集合的成员资格,可阅读全文
posted @ 2018-04-07 17:53 左手十字 阅读(135) 评论(0) 编辑