childhood_2

摘要： 这是一个非常简单的聚类算法,算法的目的就是找到这些中心点的合适坐标,使得所有样本到其分组中心点距离的平方和最小. K-means 的中心点向量不一定是训练样本中某成员的位置 import numpy as npfrom sklearn.cluster import KMeans # 引入K-mean 阅读全文

摘要： 1.如何查看神经网络的性能 通过测试集及其打分卡 2.如何提高神经网络的性能呢? 1.使用完整数据集进行训练和测试 2.一些改进:调整学习率 3.一些改进:多次运行 我们把训练一次称为一个世代,每训练一次就意味着多给神经网络一次下坡的机会,这有利于梯度下降过程中进行权重的更新 4.改变网络的形状 ( 阅读全文

摘要： 恢复内容开始 1.1 尺有所短，寸有所长 1.2预测器 1.所有有用的计算机系统都有一个输入和输出，并在输入和输出之间进行某种类型的计算，神经网络也是如此。 2.机器接受了一个输入，并作出应有的预测，输出结果。我们称之为预测器。我们根据结果与已知的真实案例进行比较所得到的误差，调整内部参数，使预测更 阅读全文

摘要： 1.grep --> 全局正则表达式 入门搜索格式 语法 grep 'hacked by' web.log 将会在web.log中，匹配含有hacked by的行 - i 忽略大小写 -n 显示行数 -w 只包括这一个单词 -c 显示有多少个 -f 一般文件 -v 反选 -A -3 -B -3 顺便 阅读全文

摘要： ０１机器学习可能出现的误差 1.过拟合　就是机器读死书，死记硬背，对作业掌握的不错，但是测试时就很糟糕 2.欠拟合　就是机器不好好学习，导致结果不令人满意 ０２交叉检验－１ 平均得分和多次循环求最优解 ０２交叉检验-２ 对结果一步一步的可视化 使用learning_curve分段评估结果的好坏 ０３ 阅读全文

摘要： ０１机器学习的主要几种方式 1.监督学习　－－＞就是像学生一样，有平时的训练，也有考试．来训练出的学生就是监督学习的结果 2.非监督学习　－－＞就像考研一样，没有人会检测你，全靠自己学 3.强化学习 －－＞一个人打篮球，每投一次球就知道结果，然后靠自己的经验的学习，叫做强化学习 4.遗传算法 －－＞ 阅读全文

摘要： ０１linux入门 １．基本命令 cd /home 进入一个目录 cd ~ 回到家目录 cd -　回到跳之前的目录 ls 查看当前的文件　此外还有三个参数 -a -l -h mkdir 创建目录 -p可以创建多级目录 touch file.txt 创建一个空文件 echo "Hello linux! 阅读全文

摘要： 0０ 个人总结 PCA(主成分分析法)目的： 1.降低特征间个数，减少的计算量 2.降低特征之间的相关性，使特征之间更加的独立 3.减少噪声对数据的影响，使模型更加的稳定 4.方便数据的可视化 简单步骤： 1.对数据进行零均值化处理 2.计算协方差矩阵 3.计算特征值和特征向量 4.找到n个特征值和 阅读全文

摘要： 01numpy的使用 1.numpy的两个基本元素 n维数组和矩阵 # arr type:<class 'numpy.ndarray'>, # mat type:<class 'numpy.matrix'> # Type:<class 'numpy.matrix'># Value:# [[ 2. 6 阅读全文

摘要： 01调试与开发 调试做好，最简单的方法就是print,如果一个printa不好用那就用两个p(pprint),需要先导入这个库 from pprint import pprint 结果： 02代码的比较 2.git 比较 git diff old.py new.py(个人不太喜欢) 2.cdiff比 阅读全文