摘要： 1.数据集下载位置：C:\Users\xx\.keras\datasets\fashion-mnist from tensorflow.keras.datasets import fashion_mnist (x_train, y_train), (x_test, y_test) = fashion 阅读全文

摘要： 1.PageRank （1）一个无监督算法：Page Rank，做搜索引擎，大数据处理 （2）基于：引用分析 （3）基本思想： ①一种链接分析算法 对超链文档集合的每个文档指定一个数值权重（numerical weighting） 以度量该文档在集合中的相对重要度 ②对网页排序： 仅仅通过Web的拓 阅读全文

摘要： 1.损失函数vs风险函数 损失函数度量模型一次预测的好坏，风险函数度量平均意义下模型预测的好坏。 2.风险函数定义 风险函数（risk function）=期望风险（expected Risk）=期望损失（expected loss），可以认为是平均意义下的损失。 例如：下面的对数损失函数中，损失函 阅读全文

摘要： 将数据划分成若干批次的数据，可以使用tf.train或者tf.data.Dataset中的方法。 1. tf.data.Dataset （1）划分方法 # 下面是，数据批次划分 batch_size = 10 # 将训练数据的特征和标签组合，使用from_tensor_slices将数据放入队列 d 阅读全文

摘要： ndarry基本概念 ndarray是numpy库中的一种数据类型，ndarray 对象是用于存放同类型元素的多维数组，就跟pytorch中的张量tensor类似。 多维ndarray中，每一维都叫一个轴axis。很多对于ndarray对象的运算都是基于axis进行，比如sum、mean等都会有一个 阅读全文

摘要： import numpy as np # 用 Sieve of Eratosthenes（埃拉托斯特尼筛法），打印【0,100】之间的所有质数。 def way1(): # 方法一，用prime数组，两层for循环一个一个标记 arr = np.arange(2, 101) prime = np.o 阅读全文

摘要： 1.概率分布，分布律，概率密度，分布函数 阅读全文

摘要： 2.2 数据操作 2.2.1 创建 tensor 2.2.2 运算 2.2.3 广播机制 2.2.4 索引 2.2.5 运算的内存开销 2.2.6 tensor 和 NumPy 相互变换 2.3 自动求梯度 阅读全文

摘要： 1.机器学习的三要素就是：表示，评估和优化。 （1）表示： 将样本空间映射到一个合适的特征空间，一般地，我们更青睐于这样的表示是低维度的，是更加稀疏交互的，同时也希望是相互独立的。【从大量特征挑出好的特征，降维】 让机器来学习怎样表示，就是表示学习。 （2）评估： 模型在数据上表现的量化形式，我们选 阅读全文

摘要： 3.1 线性回归 回归：输出是连续值。回归问题在实际中很常见，如预测房屋价格、气温、销售额等连续值的问题。 线性回归适用于回归问题。 分类：输出是离散值。我们所说的图像分类、垃圾邮件识别、疾病检测等输出为离散值的问题都属于分类问题的范畴。 softmax回归则适用于分类问题。 线性回归和softma 阅读全文