zhangqi0828 - 博客园

2019年1月18日

摘要： sklearn数据集与机器学习组成 sklearn数据集与机器学习组成机器学习组成：模型、策略、优化《统计机器学习》中指出：机器学习=模型+策略+算法。其实机器学习可以表示为：Learning= Representation+Evalution+Optimization。我们就可以将这样的表示和阅读全文

posted @ 2019-01-18 13:16 zhangqi0828 阅读(276) 评论(0) 推荐(0) 编辑

1.4_数据的特征选择

摘要：数据的特征选择降维本质上是从一个维度空间映射到另一个维度空间，特征的多少别没有减少，当然在映射的过程中特征值也会相应的变化。举个例子，现在的特征是1000维，我们想要把它降到500维。降维的过程就是找个一个从1000维映射到500维的映射关系。原始数据中的1000个特征，每一个都对应着降维后的50 阅读全文

posted @ 2019-01-18 13:15 zhangqi0828 阅读(444) 评论(0) 推荐(0) 编辑

2019年1月17日

1.4_特征的选择

摘要：数据的特征选择数据的特征选择降维本质上是从一个维度空间映射到另一个维度空间，特征的多少别没有减少，当然在映射的过程中特征值也会相应的变化。举个例子，现在的特征是1000维，我们想要把它降到500维。降维的过程就是找个一个从1000维映射到500维的映射关系。原始数据中的1000个特征，每一个都对阅读全文

posted @ 2019-01-17 21:56 zhangqi0828 阅读(164) 评论(0) 推荐(0) 编辑

1.2_数据的特征抽取

摘要：数据的特征抽取数据的特征抽取现实世界中多数特征都不是连续变量，比如分类、文字、图像等，为了对非连续变量做特征表述，需要对这些特征做数学化表述，因此就用到了特征提取. sklearn.feature_extraction提供了特征提取的很多方法分类特征变量提取我们将城市和环境作为字典数据，来进阅读全文

posted @ 2019-01-17 21:55 zhangqi0828 阅读(354) 评论(0) 推荐(0) 编辑

1.3_数据的特征预处理

摘要：数据的特征预处理数据的特征预处理单个特征（1）归一化归一化首先在特征（维度）非常多的时候，可以防止某一维或某几维对数据影响过大，也是为了把不同来源的数据统一到一个参考区间下，这样比较起来才有意义，其次可以程序可以运行更快。例如：一个人的身高和体重两个特征，假如体重50kg，身高175cm, 阅读全文

posted @ 2019-01-17 21:55 zhangqi0828 阅读(282) 评论(0) 推荐(0) 编辑

Sklearn与特征工程

摘要： Scikit-learn与特征工程 Scikit-learn与特征工程 Scikit-learn与特征工程 “数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”，这句话很好的阐述了数据在机器学习中的重要性。大部分直接拿过来的数据都是特征不明显的、没有经过处理的或者说是存在很多无用的数据，那么需阅读全文

posted @ 2019-01-17 21:54 zhangqi0828 阅读(247) 评论(0) 推荐(0) 编辑

1.1_数据的来源和类型

摘要：数据的来源与类型数据的来源与类型大部分的数据都来自已有的数据库，如果没有的话也可以交给很多爬虫工程师去采集，来提供。也可以来自平时的记录，反正数据无处不在，大都是可用的。数据的类型按照机器学习的数据分类我们可以将数据分成：标称型：标称型目标变量的结果只在有限目标集中取值，如真与假(标称型目阅读全文

posted @ 2019-01-17 21:54 zhangqi0828 阅读(776) 评论(0) 推荐(0) 编辑

分布式tensorflow

摘要：分布式Tensorflow 分布式Tensorflow Tensorflow的一个特色就是分布式计算。分布式Tensorflow是由高性能的gRPC框架作为底层技术来支持的。这是一个通信框架gRPC(google remote procedure call)，是一个高性能、跨平台的RPC框架。RPC 阅读全文

posted @ 2019-01-17 21:53 zhangqi0828 阅读(297) 评论(0) 推荐(0) 编辑

机器学习概述

摘要：什么是机器学习机器学习是人工智能的一个分支。人工智能的研究是从以“推理”为重点到以“知识”为重点，再到以“学习”为重点，一条自然、清晰的脉络。机器学习是实现人工智能的一个途径，即以机器学习为手段解决人工智能中的问题。机器学习算法是一类从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测的阅读全文

posted @ 2019-01-17 21:53 zhangqi0828 阅读(279) 评论(0) 推荐(0) 编辑

训练高级会话函数

摘要：训练以及高级会话函数训练以及高级会话函数主训练逻辑我们将在cifar_train.py文件实现主要训练逻辑。在这里我们将使用一个新的会话函数，叫tf.train.MonitoredTrainingSession 优点： 1、它自动的建立events文件、checkpoint文件，以记录重要的信阅读全文

posted @ 2019-01-17 20:51 zhangqi0828 阅读(341) 评论(0) 推荐(0) 编辑

zhangqi

be a coder

公告