摘要：
[TOC] 神经网络方面的研究很早就已出现，今天“神经网络”已是一个相当大的、多学科交叉的学科领域。神经网络中最基本的成分是神经元模型。 上图中每个圆圈都是一个神经元，每条线表示神经元之间的连接。我们可以看到，上面的神经元被分成了多层，层与层之间的神经元有连接，而层内之间的神经元没有连接。 感知机 阅读全文
摘要：
[TOC] 图像基本概念 在图像数字化表示当中，分为黑白和彩色两种。在数字化表示图片的时候，有三个因素。分别是图片的长、图片的宽、图片的颜色通道数。那么黑白图片的颜色通道数为1，它只需要一个数字就可以表示一个像素位；而彩色照片就不一样了，它有三个颜色通道，分别为RGB，通过三个数字表示一个像素位。T 阅读全文
摘要：
[TOC] 先看下文件读取以及读取数据处理成张量结果的过程： 一般数据文件格式有文本、excel和图片数据。那么TensorFlow都有对应的解析函数，除了这几种。还有TensorFlow指定的文件格式。 TensorFlow还提供了一种内置文件格式TFRecord，二进制数据和训练类别标签数据存储 阅读全文
摘要：
本书讨论了软件设计的一些规则，这些规则如下： 1. 软件的目的是帮助他人 2. 软件设计的方程公式： D = （Vn + Vf ）/ (Ei + Em) 其中： D表示变化的何以程度（可行性）； Vn表示当前价值； Vf表示未来价值； Ei表示开发成本 Em描述维护成本 这是软件设计的主要法则。随着 阅读全文
摘要：
[TOC] 在使用TensorFlow进行异步计算时，队列是一种强大的机制。 为了感受一下队列，让我们来看一个简单的例子。我们先创建一个“先入先出”的队列（FIFOQueue），并将其内部所有元素初始化为某些值。然后，我们构建一个TensorFlow图，它从队列前端取走一个元素，加上1之后，放回队列 阅读全文
摘要：
[TOC] 准备知识 Tensorflow运算API 矩阵运算：tf.matmul(x, w) 平方：tf.square(error) 均值：tf.reduce_mean(error) 梯度下降API tf.train.GradientDescentOptimizer(learning_rate)： 阅读全文
摘要：
[TOC] 认识Tensorflow TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计 阅读全文
摘要：
[TOC] 无监督学习，顾名思义，就是不受监督的学习，一种自由的学习方式。该学习方式不需要先验知识进行指导，而是不断地自我认知，自我巩固，最后进行自我归纳，在机器学习中，无监督学习可以被简单理解为不为训练集提供对应的类别标识（label），其与有监督学习的对比如下： 有监督学习（Supervised 阅读全文
摘要：
逻辑回归（Logistic Regression），简称LR。它的特点是能够使我们的特征输入集合转化为0和1这两类的概率。一般来说，回归不用在分类问题上，因为回归是连续型模型，而且受噪声影响比较大。如果非要应用进了；来，可以使用逻辑回归。了解过线性回归之后再来看逻辑回归可以更好的理解。 Logist 阅读全文
摘要：
sklearn中模型的保存与加载的api：sklearn.externals.joblib 对 "【学习笔记】回归算法 线性回归" 中的波士顿房价的模型进行保存： 上例中保存的文件的扩展名为：pkl 加载上面保存的模型： 输出结果： 阅读全文
摘要：
具有L2正则化的线性最小二乘法。岭回归是一种专用于线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于最小二乘法。当数据集中存在共线性的时候，岭回归就会有用。 正 阅读全文
摘要：
[TOC] 线性回归的定义是：目标值预期是输入变量的线性组合。线性模型形式简单、易于建模，但却蕴含着机器学习中一些重要的基本思想。线性回归，是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。 单变量线性回归：涉及到的变量只有一个。例如：预测房价例 阅读全文
摘要：
[TOC] 决策树是一种基本的分类方法，当然也可以用于回归。我们一般只讨论用于分类的决策树。决策树模型呈树形结构。在分类问题中，表示基于特征对实例进行分类的过程，它可以认为是if then规则的集合。在决策树的结构中，每一个实例都被一条路径或者一条规则所覆盖。通常决策树学习包括三个步骤：特征选择、决 阅读全文
摘要：
交叉验证 目的：为了让被评估的模型更加准确可信。 交叉验证：将拿到的数据，分为训练和验证集。以下图为例：将数据分成5份，其中一份作为验证集。然后经过次(组)的测试，每次都更换不同的验证集。即得到5组模型的结果，取平均值作为最终结果。又称5折交叉验证。 超参数搜索 网格搜索 通常情况下，有很多参数是需 阅读全文
摘要：
[TOC] estimator.score()：一般最常见使用的是准确率，即预测结果正确的百分比 混淆矩阵 在分类任务下，预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合，构成混淆矩阵(适用于多分类) 精确率(Precision)与召 阅读全文