摘要：
分类与回归 分类（Classification）与回归（Regression）的区别在于输出变量的类型。通俗理解，定量输出称为回归，或者说是连续变量预测；定性输出称为分类，或者说是离散变量预测。回归问题的预测结果是连续的，通常是用来预测一个值，如预测房价、未来的天气情况等等。一个比较常见的回归算法是 阅读全文
摘要：
TensorBoard TensorFlow自带的可视化工具，能够以直观的流程图的方式，清楚展示出整个神经网络的结构和框架，便于理解模型和发现问题。 可视化学习：https://www.tensorflow.org/guide/summaries_and_tensorboard 图的直观展示：htt 阅读全文
摘要：
张量（Tensor） 在Tensorflow中，变量统一称作张量（Tensor）。 张量（Tensor）是任意维度的数组。 0阶张量：纯量或标量 (scalar)， 也就是一个数值，例如，\'Howdy\' 或 5 1阶张量：向量 (vector)或矢量，也就是一维数组（一组有序排列的数），例如，[ 阅读全文
摘要：
Hello world 1 # coding=utf-8 2 import tensorflow as tf 3 import os 4 5 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' 6 7 try: 8 tf.contrib.eager.enable_eag 阅读全文
摘要：
01 - 基本的神经网络结构 输入端 》神经网络（黑盒） 》输出端 输入层：负责接收信息 隐藏层：对输入信息的加工处理 输出层：计算机对这个输入信息的认知 每一层点开都有它相应的内容，函数和功能。一般来说, 神经网络(Neural Network)是一连串神经层所组成的把输入进行加工再输出的系统。 阅读全文
摘要：
QuickStart 10分钟速成Python3：https://mp.weixin.qq.com/s/vwz7jyGrmTTTkYuzeLB9eQ Python3入门，看这篇就够了：https://shockerli.net/post/python-study-note/ Tutorials Le 阅读全文
摘要：
区别 Python2.x与Python3.x版本区别：http://www.runoob.com/python/python 2x 3x.html 示例解读Python2和Python3之间的主要差异：https://www.oschina.net/news/99235/difference bet 阅读全文
摘要：
Nexus3 Nexus3(Nexus Repository 3)是使用广泛的开源仓库管理平台,可以管理软件供应链中的组件、二进制文件和构建制品，包括docker、helm等 社区版 Sonatype Nexus Repository OSS 可以免费且全面地管理二进制文件和制品 企业版 Sonat 阅读全文
摘要：
机器学习入门 - Google机器学习速成课程 - 笔记汇总 机器学习入门 - Google机器学习速成课程 https://www.cnblogs.com/anliven/p/6107783.html MLCC简介 前提条件和准备工作 完成课程的下一步 机器学习入门01 - 框架处理(Framin 阅读全文
摘要：
除了实现机器学习算法之外，机器学习还包含许多其他内容。生产环境机器学习系统包含大量组件。无需自行构建所有内容，而是应该尽可能重复使用常规机器学习系统组件。通过了解机器学习系统的一些范例及其要求，可以明确实际需要哪些组件。 1- 静态训练与动态训练(Static vs. Dynamic Trainin 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/embeddings/ 嵌套是一种相对低维的空间，可以将高维矢量映射到这种低维空间里。通过使用嵌套，可以让在大型输入（比如代表字词的稀疏矢量）上进行机器学习变得更加容易。 阅读全文
摘要：
原文链接：https://zh.d2l.ai/chapter_computational-performance/hybridize.html本文是对原文内容的摘取和扩展。 命令式编程（imperative style programs） 使用编程语句改变程序状态，明确输入变量，并根据程序逻辑逐步运 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/multi-class-neural-networks/ 多类别分类，这种模型可从多种可能的情况中进行选择。 1- 一对多 一对多提供了一种利用二元分类的方法。鉴于一个分 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/training-neural-networks/ 反向传播算法是最常见的一种神经网络训练算法。借助这种算法，梯度下降法在多层神经网络中将成为可行方法。TensorFlo 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/introduction-to-neural-networks/ 神经网络是更复杂版本的特征组合。实质上，神经网络会学习适合相应特征组合。 1- 剖析 “非线性问题”意味 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/regularization-for-sparsity/ 1- L₁正则化 稀疏矢量通常包含许多维度。创建特征组合会导致包含更多维度。由于使用此类高维度特征矢量，因此模型 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/classification/ 1- 指定阈值 为了将逻辑回归值映射到二元类别，必须指定分类阈值（也称为判定阈值）。如果值高于该阈值，则表示“1”；如果值低于该阈值，则表 阅读全文
摘要：
01 - 10 01 - Machine learning infographic 图片解读机器学习的基本概念、五大流派与九种常见算法 EN：http://usblogs.pwc.com/emerging-technology/machine-learning-101/ CN：https://zhu 阅读全文
摘要：
1 - Scikit-Learn Sklearn(scikit-learn: machine learning in Python)：https://scikit-learn.org/ 文档丰富而又详细，提供了练习数据、相关代码实例和可视化图，是少数写的跟教程一样的技术文档。 官方信息 安装scik 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/logistic-regression/ 逻辑回归会生成一个介于 0 到 1 之间（不包括 0 和 1）的概率值，而不是确切地预测结果是 0 还是 1。 1- 计算概率 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/regularization-for-simplicity 正则化指的是降低模型的复杂度以减少过拟合。 1- L₂正则化 泛化曲线：显示的是训练集和验证集相对于训练迭代次 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/feature-crosses/ 特征组合是指两个或多个特征相乘形成的合成特征。特征的相乘组合可以提供超出这些特征单独能够提供的预测能力。 1- 对非线性规律进行编码 特 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/representation/ 机器学习模型不能直接看到、听到或感知输入样本。必须创建数据表示，为模型提供有用的信号来了解数据的关键特性。也就是说，为了训练模型，必须选择 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/validation/ 1- 检查直觉 将一个数据集划分为训练集和测试集，可以对一个样本集进行训练，然后使用不同的样本集测试模型。工作流程如下： 在“调整模型”阶段，可以 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/training-and-test-sets 测试集是用于评估根据训练集开发的模型的数据集。 1- 拆分数据 可将单个数据集拆分为一个训练集和一个测试集。 训练集 - 用 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/generalization 泛化是指模型很好地拟合以前未见过的新数据（从用于创建该模型的同一分布中抽取）的能力。 1- 过拟合的风险 机器学习的目标是对从真实概率分布（ 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/first-steps-with-tensorflow/ 1- 工具包 TensorFlow工具包的层次结构 Estimator (tf.estimator): 高级 O 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/reducing-loss/ 为了训练模型，需要一种可降低模型损失的好方法。迭代方法是一种广泛用于降低损失的方法，而且使用起来简单有效。 1- 迭代方法 用于训练模型的迭 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/descending-into-ml/ 线性回归是一种找到最适合一组点的直线或超平面的方法。 1- 线性回归 线性回归是一种找到最适合一组点的直线或超平面的方法。 以数学 阅读全文
摘要：
原文链接：https://developers.google.com/machine-learning/crash-course/framing （监督式）机器学习的定义：机器学习系统通过学习如何组合输入信息来对从未见过的数据做出有用的预测。 1- 基本术语 1.1- 标签 标签是要预测的事物，即简 阅读全文