摘要：
keras与sklearn的结合使用新建模板FlyTime: 2017-4-14引言代码 引言众所周知，keras目前没有提供交叉验证的功能，我们要向使用交叉验证，就需要与sklearn结合。keras也提供了这样的包装接口。keras.wrappers.scikit_learn通过这个包里面的KerasClassifier或者KerasRegressor就可以结合。闲话少叙，上代码。 代码... 阅读全文
摘要：
keras与tensorboard结合使用新建模板FlyTime: 2017-4-6众所周知，tensorflow虽然功能非常强大，但是确实不好用，有点反人类的样子。所以才有了keras的出现。非常容易上手，便捷使用。但是要想查看keras的log日志又不是非常方便。这就有了与tensorboard结果来方便查看的想法。下面是记录了最通用的tensorboard结合的方式：from keras.... 阅读全文
摘要：
TensorFlow 便捷的实现机器学习 三 MNIST 卷积神经网络 Fly Overview Enabling Logging with TensorFlow Configuring a ValidationMonitor for Streaming Evaluation Evaluating 阅读全文
摘要：
logistic regression modelLR softmax classificationFlylogistic regression modelloss fuctionsoftmax基于python的logistic regression代码 logistic regression model逻辑回归模型一般指的是二项分类的逻辑回归模型，也是非常经典的模型，它主要的决策函数是,给定... 阅读全文
摘要：
特征工程机器学习特征选择FlyTime: 2017-3-6REF特征工程定义特征使用方案特征获取方案特征处理特征监控 REF主要参考：http://www.cnblogs.com/jasonfreak/p/5448385.html 特征工程定义“数据和特征决定了机器学习的上限，而模型而算法只是逼近这个上限”。所以特征工程的目的是从原始数据中提取特征的过程。特征工程归纳为以下几个方面：特征使用... 阅读全文
摘要：
生成模式以及判别模式生成模型判别模型FlyTime: 2017-3-1learning modelgenerative approachdiscriminative approachdifferencereference learning model监督学习的主要任务就是要学习一个模型，基于这个模型，给定输入预测可以得到相应的输入，一般这个模型叫做决策函数，表示为或者是表达为一个概率分布：根据... 阅读全文
摘要：
PCA降维技术PCA 降维 FlyTime: 2017-2-28主成分分析（PCA）PCA Algorithm实例 主成分分析（PCA）主成分分析（Principal Component Analysi）是一种掌握可以提取主要特征对的方法，它可以从多元失误中解析出主要影响因素。计算朱成福的目的是将高维数据投影到低维空间。主要是用于降维，提取数据的主要特征分量。降维，当然以为着信息的丢失，但是鉴... 阅读全文
摘要：
TensorFlow 入门之手写识别CNN 三MNIST 卷积神经网络 Fly多层卷积网络多层卷积网络的基本理论构建一个多层卷积网络权值初始化卷积和池化第一层卷积第二层卷积密集层连接Dropout输出层训练和评估模型 多层卷积网络 多层卷积网络的基本理论卷积神经网络(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... 阅读全文
摘要：
机器学习学习笔记1周志华机器学习Flyu6Time: 2016-6-12基本概念的学习Learning Style(学习类型)supervised(监督学习)unsupervised(非监督学习)假设空间归纳 (induction)演绎 (deduction)归纳偏好没有免费午餐(NFL: No Free Lunch Theorem) 基本概念的学习 Learning Style(学习类型)... 阅读全文
摘要：
TensorFlow 入门之手写识别(MNIST) softmax算法 二MNIST Fly softmax回归softmax回归算法TensorFlow实现softmax softmax回归算法我们知道MNIST的每一张图片都表示一个数字，从0到9。我们希望得到给定图片代表每个数字的概率。比如说，我们的模型可能推测一张包含9的图片代表数字9的概率是80%但是判断它是8的概率是5%（因为8和... 阅读全文