摘要: 一、实操 下面进行的模型训练为伪代码,一般用tensorflow不会用到这种方式来训练模型,这个只是用来作为对上一篇常用函数的使用,方便熟悉代码以及训练时梯度是如何计算的。 import tensorflow as tf from sklearn.datasets import load_iris 阅读全文
posted @ 2020-11-17 20:13 我不是高斯分布 阅读(919) 评论(0) 推荐(0) 编辑
摘要: 一、常用函数 1、转换tensor数据类型 import tensorflow as tf a=tf.constant(1.0) b=tf.cast(a,dtype='int32') print(a) print(b) 输出: tf.Tensor(1.0, shape=(), dtype=float 阅读全文
posted @ 2020-11-17 17:43 我不是高斯分布 阅读(1987) 评论(0) 推荐(0) 编辑
摘要: 一、张量的介绍 张量(tensor)即多维数组。张量的阶数:表示张量的维度,如下图所示: 维数 阶数 名字 实例 0-D 0 标量scalar s=1 1-D 1 向量vector s=[1,2,3,4] 2-D 2 矩阵matrix m=[[1,2],[3,4]] n-D n 张量tensor t 阅读全文
posted @ 2020-11-17 12:16 我不是高斯分布 阅读(320) 评论(0) 推荐(0) 编辑
摘要: import pandas as pd from sqlalchemy import create_engine mysql_conn = create_engine('mysql+pymysql://用户名:密码@服务器地址:端口/库名') oracle_conn = create_engine( 阅读全文
posted @ 2020-08-31 10:19 我不是高斯分布 阅读(219) 评论(0) 推荐(0) 编辑
摘要: 一、简介 在用机器学习训练模型的时候,会将数据集D划分成训练集和测试集,因为如果在相同的数据上训练并测试无法评估模型的效果,常用的划分方法有K折交叉验证、p次k折交叉验证、留出法、留一法、留P法、随机分配、自助法等。另外,在训练模型的时候,经常需要进行调参,当我们有一堆参数的时候,也可以用类似的较差 阅读全文
posted @ 2019-11-06 18:48 我不是高斯分布 阅读(1345) 评论(0) 推荐(1) 编辑
摘要: 一、介绍 itertools 是python的迭代器模块,itertools提供的生成迭代器的函数,相当高效且节省内存。使用这些工具,你将能够创建自己定制的迭代器用于高效率的循环。 二、速查表 无限迭代器: 迭代器 参数 结果 例子 count() start, [step] start, star 阅读全文
posted @ 2019-10-11 11:34 我不是高斯分布 阅读(6641) 评论(1) 推荐(1) 编辑
摘要: 一、数据的标准化、归一化、正则化 1、标准化 将数据转化为均值为0方差为1的数据,即标准正态分布。标准化可以规范数据,但不适用于稀疏数据,因为会破坏其数据结果。标准化的过程为两步:去均值的中心化(均值变为0);方差的规模化(方差变为1)。即每一列减去该列的均值再除以该列的方差。 在分类、聚类算法中, 阅读全文
posted @ 2019-09-30 09:34 我不是高斯分布 阅读(2793) 评论(0) 推荐(1) 编辑
摘要: 一、sklearn中逻辑回归的相关类 在sklearn的逻辑回归中,主要用LogisticRegression和LogisticRegressionCV两个类来构建模型,两者的区别仅在于交叉验证与正则化系数C,下面介绍两个类(重要参数带**加绿): sklearn.linear_model.Logi 阅读全文
posted @ 2019-09-25 15:59 我不是高斯分布 阅读(9141) 评论(0) 推荐(0) 编辑
摘要: 一、简介 sklearn.metrics中包含了许多模型评估指标,例如决定系数R2、准确度等,下面对常用的分类模型与回归模型的评估指标做一个区分归纳, 二、分类模型指标 1、准确率 分类准确率分数是指所有分类正确的百分比。分类准确率这一衡量分类器的标准比较容易理解,但是它不能告诉你响应值的潜在分布, 阅读全文
posted @ 2019-09-25 15:58 我不是高斯分布 阅读(8058) 评论(0) 推荐(0) 编辑
摘要: 1、用np.r_[]与np.c_[]将数组按行与列连接 2、用np.meshgrid()生成网格点坐标,可以用于等高线图 3、np.ravel()和np.flatten()将数组降为1维,区别是np.ravel()返回视图,np.flatten()返回一份拷贝。另外可以直接调用数组array类的方法 阅读全文
posted @ 2019-09-23 20:19 我不是高斯分布 阅读(557) 评论(0) 推荐(0) 编辑