随笔分类 - Python
1
摘要：1.服务器渲染：在服务器端直接把HTML骨架和数据整合在一起，统一发送给浏览器 在页面源代码当中能看到数据 2.客户端渲染: 第一次请求只要求一个HTML骨架，第二次请求拿到数据，进行数据展示 在页面源代码中，看不到数据 第一次请求拿不到数据，只要找到第二次请求的url 就能拿到数据 使用浏览器的抓
阅读全文
摘要：解决方法： pip install XX 改为 pip.exe install xx 安装requset时，发现pip 报错 Unknown or unsupported command 'install' 查询资料之后发现是本机安装了loadrunner，该软件也有pip 命令，系统无法识别。 参
阅读全文
摘要：1.数据准备 %matplotlib inline import numpy as np #import tensorflow as tf# #引入tensorflow 并保证 placeholder 可以使用 import tensorflow.compat.v1 as tf tf.disable
阅读全文
摘要：逻辑回归 解决分类问题里最普遍的baseline model就是逻辑回归，简单同时可解释性好，使得它大受欢迎，我们来用tensorflow完成这个模型的搭建。 1.环境设定 import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' import numpy a
阅读全文
摘要：声明: 本人使用的是 Anconda3 + python 3.7.0 + pycharm 编译器 。 参考方法: https://www.pianshen.com/article/90841683243/ 程序报错： 解决方法 将shapely下的dll文件复制粘贴到Library/bin下，然后就
阅读全文
摘要：实验记录，方便以后查阅 一丶实现代码 # 交叉验证所需的函数 from sklearn.model_selection import train_test_split,cross_val_score,cross_validate # 交叉验证所需的子集划分方法 from sklearn.model_
阅读全文
摘要：参考博客：地址传送 实验记录，方便以后查阅 一丶实现代码与结果 实验一 #预处理方法 from sklearn.preprocessing import StandardScaler from sklearn.preprocessing import MinMaxScaler from matplo
阅读全文
摘要：参考地址：https://blog.csdn.net/weixin_30607659/article/details/95010173 实验记录，方便以后查阅 一丶实现代码 import numpy as np #绘图的工具 类似MATLAB import matplotlib.pyplot as
阅读全文
摘要：实验01 波士顿房价预测 实现代码: from sklearn.linear_model import LinearRegression, SGDRegressor, Ridge, LogisticRegression from sklearn.datasets import load_boston
阅读全文
摘要：1. module 'tensorflow' has no attribute 'placeholder'更改: import tensorflow as tf 改为： import tensorflow.compat.v1 as tf tf.disable_v2_behavior() 2. mod
阅读全文
摘要：借鉴 https://www.cnblogs.com/geeksongs/p/10648044.html 和 https://blog.csdn.net/qq_43060552/article/details/103189040 遇到No module named ‘tensorflow.examp
阅读全文
摘要：点到面距离拓展: 欧式空间超平面 梯度下降法： 随机梯度下降法： 最大似然估计法： 分类: 感知机丶支持向量机和逻辑回归 感知机算法: 支持向量机：间隔最大化 支持向量机：样本损失函数 优化目标 sklearn 分类模块
阅读全文
摘要：一丶矩阵的逆 求逆矩阵的工具 什么是回归？ 回归模型当中 一元线性回归 一元回归求解 （求导） 多元线性回归 线性回归问题解决 过度拟合问题: 多重共线性 正则化 减小线性回归的过度拟合和多重共线性等问题。（加参数） 岭回归 LASSO 模型 岭回归与LASSO回归 比较 回归模型的评价指标
阅读全文
摘要：鉴于单向循环神经网络某些情况下的不足，提出了双向循环神经网络。因为是需要能关联未来的数据，而单向循环神经网络属于关联历史数据，所以对于未来数据提出反向循环神经网络，两个方向的网络结合到一起就能关联历史与未来了。 双向循环神经网络按时刻展开的结构如下，可以看到向前和向后层共同连接着输出层，其中包含了6
阅读全文
摘要：实验原理： RNN的网络结构及原理 RNNs包含输入单元(Input units)，输入集标记为{x0,x1,...,xt,xt+1,...}，而输出单元(Output units)的输出集则被标记为{y0,y1,...,yt,yt+1.,..}。RNNs还包含隐藏单元(Hidden units)，
阅读全文
摘要：实验原理： 多层感知机是由感知机推广而来，感知机学习算法(PLA: Perceptron Learning Algorithm)用神经元的结构进行描述的话就是一个单独的。 感知机（PLA）的神经网络表示如下： 从上述内容更可以看出，PLA是一个线性的二分类器，但不能对非线性的数据进行有效的分类。因此
阅读全文
摘要：实验原理： knn的基本原理： KNN是通过计算不同特征值之间的距离进行分类。 整体的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。K通常是不大于20的整数。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在分类决策
阅读全文
摘要：实验原理： 逻辑回归可以看作只有一层网络的前向神经网络，并且参数连接的权重只是一个值，而非矩阵。公式为：y_predict=logistic(X*W+b)，其中X为输入，W为输入与隐含层之间的权重，b为隐含层神经元的偏置，而logistic为激活函数，一般为sigmoid或者tanh，y_predi
阅读全文
摘要：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，一个随机值b间的关系建模。利用T
阅读全文
摘要：运行代码 1. import tensorflow as tf tf.compat.v1.disable_eager_execution() #保证sess.run()能够正常运行 import os os.environ["CUDA_VISIBLE_DEVICES"]="0" a=tf.const
阅读全文
1
浙公网安备 33010602011771号