04 2022 档案
摘要：文章目录 Keras Tuner调整超参数引包数据准备模型准备跑起来 Keras Tuner调整超参数 Keras Tuner 是一个库，可帮助您为 TensorFlow 程序选择最佳的超参数集。为您的机器学习 (ML)应用选择正确的超参数集，这一过程称为超参数调节或超调。 模型超参数：影响模型的选
阅读全文
摘要：文章目录 保存加载模型引包数据准备模型准备跑起来并保存模型加载模型checkpoint 回调选项保存模型的另外一些方式SaveModel文件格式HDF5 文件格式 保存加载模型 训练完模型之后，需要保存的，要不每次想测试的时候，都要走一遍训练，多麻烦呀。所以就需要保存以及加载。而且，有时候，模型跑着
阅读全文
摘要：文章目录 过拟合欠拟合引包数据准备模型准备跑起来整体代码 过拟合欠拟合 来看看Tensorflow对于过拟合欠拟合问题是如何解决的，官网是做了一个例子来证明过拟合欠拟合的解决方案的，探索了几种正则化技术。Overfit and underfit 引包 import tensorflow as tf
阅读全文
摘要：分类和回归是两种问题，就看下回归。 就是将模型最后输出换一下，以及损失函数换一下就好了 文章目录 回归引包数据准备模型准备跑起来做预测整体代码 回归 引包 seaborn 是绘制矩阵图的包 import pathlib import matplotlib.pyplot as plt import p
阅读全文
摘要：上一章是对MNIST的手写数字分类，这次对Fashion MNIST进行分类，基本都一样的，只不过换了一个数据库，还是用fit函数进行训练，fit对规整的数据集，训练还是蛮方便的。官方教程 文章目录 服装图像分类引包数据准备模型准备跑起来测试整体代码 基本文本分类引包数据准备模型准备跑起来完整代码
阅读全文
摘要：文章目录 基础版引包数据准备模型准备跑起来整体代码 进阶版引包数据准备模型准备跑起来整体代码 TensorFlow 2.0 教程 跟着官方教程走试试看 第一个简单例子是MNIST手写数字分类 基础版 引包 首先引入TensorFlow包 # 安装 TensorFlow import tensorfl
阅读全文
摘要：聚类就是按照某个标准，把数据集划分成不同的类，不同类的数据差异性尽可能大，同类的数据相似性尽可能大。 k-means聚类算法 K邻近算法，要把数据分成K类，一开始是随机的，后来迭代进行选择，直到收敛，采用平方误差。 E = ∑ i = 1 k ∑ p ∈ C i ∥ p − m i ∥ 2 E=\s
阅读全文
摘要：参考这篇【机器学习】支持向量机 SVM（非常详细） 支持向量机 SVM 又叫支持向量机，支持向量就是 S 、 R 、 G S、R、G S、R、G这三个点，也就是边界点吧，支持向量机就是通过支持向量运算的分类器。如果对应到超平面的话，就是找到各类样本点到超平面的距离最远，也就是找到最大间隔超平面。 背
阅读全文
摘要：基本原理 决策树（Decision Tree）是一种分而治之的决策过程。一个困难的预测问题，通过树的分支节点，被划分成两个或多个较为简单的子集，从结构上划分为不同的子问题。将依规则分割数据集的过程不断递归下去（Recursive Partitioning）。随着树的深度不断增加，分支节点的子集越来越
阅读全文
