我可不是为了被全人类喜欢才活着的,只要对于某一个人来说|

王陸

园龄:6年11个月粉丝:2049关注:178

06 2022 档案

《神经网络与深度学习》第六章 循环神经网络
摘要:第六章 循环神经网络 在前馈神经网络中,信息的传递是单向的,这种限制虽然使得网络变得更容易学习,但在一定程度上也减弱了神经网络模型的能力.在生物神经网络中,神经元之间的连接关系要复杂得多.前馈神经网络可以看作一个复杂的函数,每次输入都是独立的,即网络的输出只依赖于当前的输入.但是在很多现实任务中,网
569
0
0
基于LSTM的多变量多输出温湿度预测
摘要:1、模块导入 import tensorflow as tf import matplotlib as mpl import matplotlib.pyplot as plt import numpy as np import os import pandas as pd import seabor
2931
1
0
时间序列预测概述
摘要:时间序列是一种衡量事物随时间变化的数据类型。在一个时间序列数据集中,时间列本身不代表一个变量:它实际上是一个基本结构,可以使用它对数据集排序。由于我们需要应用特定的数据预处理和特征工程技术来处理时间序列数据,因此这种基本的时间结构使时间序列问题更具有挑战性。 时间序列预测就是利用过去一段时间的数据来
1051
0
0
特征工程(四)特征抽取
摘要:特征抽取与特征选择在功能上类似,都最终实现了数据集特征数量的减少,但特征选择得到的是原有特征的子集,而特征抽取是将原有特征根据某种函数关系转换为新的特征,并且数据集维度比原来的低。两者所得到的的特征集合与原特征集合对应关系不同。 4.1 无监督特征抽取 实现无监督特征抽取的算法有很多,这里仅以“主成
460
0
0
特征工程(三)特征选择
摘要:经过“数据清理”和“特征变换”后的数据集,已经满足了数据科学项目中算法对数值的基本要求。但是, 不呢止步于此,数据集的特征数量、质量会影响计算效率和最终模型的预测、分类效果。所以要对特征进行选择,即根据具体的项目选择适合的特征。 3.1 特征选择简述 是不是维度越大的数据越好?是不是所有的维度都是必
810
0
0
特征工程(二)数据转换
摘要:数据科学项目中少不了要用到机器学习算法。通常每种算法都会对数据有相应的要求,比如有的算法要求数据集特征是离散的,有的算法要求数据集特征是分类型的,而数据集特征不一定就满足这些要求,必须依据某些原则、方法对数据进行变换。 2.1 特征的类型 特征的类型由其所有值的集合决定,通常有如下几种: 分类型:性
780
0
0
特征工程(一)数据清理
摘要:现实的数据是多种多样的,即使它们已经是结构化的,仍可能存在各种问题,如数据不完整、丢失、类型错误、前后不一致等。因此需要进行数据清理(Data cleaning),也译为数据清洗。 1.1 基本概念 通常以二维表的方式表示数据,Pandas的DataFrame类型的数据是最常见的。 import p
301
0
0
点击右上角即可分享
微信分享提示
深色
回顶
收起