摘要：
<<博客版.pptx>> 阅读全文
posted @ 2019-01-24 16:31
行走中的机器码
阅读(161)
评论(0)
推荐(0)
摘要：
4.1多维特征 多维特征长这个样子： 进一步的，我们为让公式简化，引入x0=1，这样的话，公式就变成下面这个样子： 进一步的简化，可以表示为： 4.2多变量梯度下降 首先，构建多变量线性回归的代价函数： 那么我们的目标就成功的转化为了：求取使代价函数最小的一系列参数。 那么多变量线性回归的批量梯度下 阅读全文
posted @ 2019-01-17 11:16
行走中的机器码
阅读(165)
评论(0)
推荐(0)
摘要：
文本分类长度较大，对文本的智能解析是很有挑战的。 阅读全文
posted @ 2019-01-15 11:10
行走中的机器码
阅读(130)
评论(0)
推荐(0)
摘要：
机器学习的两大基本问题：回归问题与分类问题。 什么是机器学习：根据已知的数据学习出一个数学函数使其能够有更强的预测能力。 学习路线：传统学习-深度学习-强化学习 阅读全文
posted @ 2019-01-15 11:09
行走中的机器码
阅读(253)
评论(0)
推荐(0)
摘要：
a 阅读全文
posted @ 2019-01-15 11:08
行走中的机器码
阅读(1420)
评论(0)
推荐(1)
摘要：
datetime的表现形式为： '2015-08-28 16:43:37.283' '2015-08-28 16:43:37.283' timestamp的表现形式为： 1440751417.283 1440751417.283 阅读全文
posted @ 2019-01-15 11:08
行走中的机器码
阅读(156)
评论(0)
推荐(0)
摘要：
1.从GitHub下载jupyterthemes。 网址为https://github.com/dunovank/jupyter-themes，自行下载即可。 2.使用管理员模式打开命令行窗口 这一点很重要，之前一直各种问题，后来使用管理员模式就避免了。 3.进行更新操作 pip install 阅读全文
posted @ 2019-01-15 11:07
行走中的机器码
阅读(276)
评论(0)
推荐(0)
摘要：
1.右击jupyter notebook的快捷方式，打开"属性" 2.修改"起始位置"为你想要的路径 3.删除"目标"中的参数%USERPROFILE%就可以了 阅读全文
posted @ 2019-01-15 11:06
行走中的机器码
阅读(483)
评论(0)
推荐(0)
摘要：
cols=['ID','Gender','ExamYear','Class','Participated','Passed','Employed','Grade']df=df.ix[:,cols] df=df.ix[:,cols]语句表示，DataFrame的行索引不变，列索引是cols中给定的索引 阅读全文
posted @ 2019-01-15 11:05
行走中的机器码
阅读(2106)
评论(0)
推荐(0)
摘要：
1 2 3 4 5 6 import pandas as pd dict=[[1,2,3,4,5,6],[2,3,4,5,6,7],[3,4,5,6,7,8],[4,5,6,7,8,9],[5,6,7,8,9,10]] data=pd.DataFrame(dict) print(data) for 阅读全文
posted @ 2019-01-15 11:05
行走中的机器码
阅读(15237)
评论(0)
推荐(0)
浙公网安备 33010602011771号