随笔分类 -  机器学习

摘要:训练神经网络4 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data mnist = input_data.read_data_sets('data/',one_hot 阅读全文
posted @ 2021-02-10 23:00 藻类植物 阅读(58) 评论(0) 推荐(0) 编辑
摘要:训练神经网络3 问题解决: 上面定义与下面调用的参数不一致,导致出现了错误 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data mnist = input_data. 阅读全文
posted @ 2021-02-09 21:48 藻类植物 阅读(65) 评论(0) 推荐(0) 编辑
摘要:训练神经网络2 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data mnist = input_data.read_data_sets('data/',one_hot 阅读全文
posted @ 2021-02-08 23:09 藻类植物 阅读(48) 评论(0) 推荐(0) 编辑
摘要:训练神经网络1 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data mnist = input_data.read_data_sets('data/',one_hot 阅读全文
posted @ 2021-02-07 21:15 藻类植物 阅读(40) 评论(0) 推荐(0) 编辑
摘要:神经网络模型架构1 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data mnist = input_data.read_data_sets('data/',one_h 阅读全文
posted @ 2021-02-06 21:52 藻类植物 阅读(40) 评论(0) 推荐(0) 编辑
摘要:逻辑回归框架2 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data mnist = input_data.read_data_sets('data/',one_hot 阅读全文
posted @ 2021-02-05 16:59 藻类植物 阅读(43) 评论(0) 推荐(0) 编辑
摘要:机器学习方法建议: 阅读全文
posted @ 2021-02-04 21:14 藻类植物 阅读(29) 评论(0) 推荐(0) 编辑
摘要:这一讲的内容大多都了解,但是在机器学习和深度学习的不同确实是我不太了解的 卷积神经网络: 阅读全文
posted @ 2021-02-03 20:18 藻类植物 阅读(35) 评论(0) 推荐(0) 编辑
摘要:维度灾难: 如何应对? 阅读全文
posted @ 2021-02-02 11:28 藻类植物 阅读(30) 评论(0) 推荐(0) 编辑
摘要:随机梯度下降: 动量法: 优化算法的选择: 阅读全文
posted @ 2021-02-01 23:34 藻类植物 阅读(30) 评论(0) 推荐(0) 编辑
摘要:PCA算法: 自编码器: 阅读全文
posted @ 2021-01-31 21:01 藻类植物 阅读(22) 评论(0) 推荐(0) 编辑
摘要:K-Means模型: 高斯混合模型: EM算法: 阅读全文
posted @ 2021-01-30 10:58 藻类植物 阅读(43) 评论(0) 推荐(0) 编辑
摘要:决策树的生成: 节点特征和分割点的选择: 随机森林算法: AdaBoost: 阅读全文
posted @ 2021-01-29 23:55 藻类植物 阅读(43) 评论(0) 推荐(0) 编辑
摘要:感知机 支持向量机:间隔最大化 逻辑回归 阅读全文
posted @ 2021-01-28 20:49 藻类植物 阅读(49) 评论(0) 推荐(0) 编辑
摘要:没怎么听懂。。。 阅读全文
posted @ 2021-01-27 22:40 藻类植物 阅读(41) 评论(0) 推荐(0) 编辑
摘要:有监督学习的一般流程: 过拟合问题:所选模型对已知数据预测得很好,但对未知数据预测很差。 模型选择的方法: ①正则化:把对已知数据的训练误差和模型复杂度降到最小。 ②交叉验证,数据比较少时,将数据集随机切分,组合为训练集和测试集。 Scikit-learn 阅读全文
posted @ 2021-01-26 23:19 藻类植物 阅读(77) 评论(0) 推荐(0) 编辑
摘要:逻辑回归框架1 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data mnist = input_data.read_data_sets('data/',one_hot 阅读全文
posted @ 2021-01-24 22:33 藻类植物 阅读(26) 评论(0) 推荐(0) 编辑
摘要:Mnist数据集简介3 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data print("packs loaded") print("Download and Ext 阅读全文
posted @ 2021-01-23 19:54 藻类植物 阅读(29) 评论(0) 推荐(0) 编辑
摘要:Mnist数据集简介2 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data print("packs loaded") print("Download and Ext 阅读全文
posted @ 2021-01-22 13:54 藻类植物 阅读(23) 评论(0) 推荐(0) 编辑
摘要:Mnist数据集简介 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt import input_data print("packs loaded") print("Download and Extr 阅读全文
posted @ 2021-01-21 16:02 藻类植物 阅读(26) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示