01 2021 档案

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
摘要:构造线性回归模型3 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt #随机生成1000个点,围绕在y=0.1x+0.3的直线周围 num_points = 1000 vectors_set = [] 阅读全文
posted @ 2021-01-20 19:27 藻类植物 阅读(31) 评论(0) 推荐(0) 编辑
摘要:构造线性回归模型2 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt #随机生成1000个点,围绕在y=0.1x+0.3的直线周围 num_points = 1000 vectors_set = [] 阅读全文
posted @ 2021-01-19 18:03 藻类植物 阅读(43) 评论(0) 推荐(0) 编辑
摘要:构造线性回归模型1 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt #随机生成1000个点,围绕在y=0.1x+0.3的直线周围 num_points = 1000 vectors_set = [] 阅读全文
posted @ 2021-01-18 15:21 藻类植物 阅读(23) 评论(0) 推荐(0) 编辑
摘要:5 对数坐标轴及其他非线性坐标轴 matplotlib.pyplot不仅支持线性坐标轴,而且还支持对数和逻辑坐标轴(在数据跨越多个数量级时使用)。 plt.xscale('log') np.random.seed(19680801) mu = 0.5 sigma = 0.4 y = np.rando 阅读全文
posted @ 2021-01-17 11:25 藻类植物 阅读(108) 评论(0) 推荐(0) 编辑
摘要:4. 添加文本 调用text()命令可以在图中任意的位置添加文本text,其中xlabel()、ylabel()和title()指定了在x轴、y轴、标题位置显示文本。 # 设置随机种子,以实现可重复性 np.random.seed(66666) mu, sigma = 100, 15 x = mu 阅读全文
posted @ 2021-01-16 23:50 藻类植物 阅读(74) 评论(0) 推荐(0) 编辑
摘要:3. 多图和多轴绘制 MATLAB和Pyplot具有当前图形(current figure)和当前轴(current axes)的概念。记住,一个图中可以有多个轴,每个图线都在一定轴范围内进行绘制。所有绘图命令都只适用于当前轴。函数gca()将返回当前轴(一个matplotlib.axes.Axes 阅读全文
posted @ 2021-01-15 11:18 藻类植物 阅读(73) 评论(0) 推荐(0) 编辑
摘要:2 调整图线属性——美化 线条有许多可以设置的属性:线宽,短线风格,抗锯齿等等,有以下几种方法来设置线条属性。 1 使用关键词传参: plt.plot(t, t**2, linewidth=2.0) 2 调用Line2D实例的一些设置相关的方法。plot返回了一系列Line2D对象,如line1,l 阅读全文
posted @ 2021-01-14 21:15 藻类植物 阅读(70) 评论(0) 推荐(0) 编辑
摘要:今天阅读了第九章:至始至终降低含混性。 含混性是需求定义中的一个重要问题,而这些启发则是降低含混性的有力工具。 怎么做? 概言之,有四种启发可以用于揭示含混性: 1.含混性投票:创建一个度量(比如说性能,结束时间或成本)来评估,这需要对问题有可靠的理解。把问题描述(需求)交给见多识广的人,并请他们依 阅读全文
posted @ 2021-01-13 22:14 藻类植物 阅读(40) 评论(0) 推荐(0) 编辑
摘要:1 Pyplot matplotlib.pyplot是使Matplotlib像MATLAB一样工作的函数的集合。每个Pyplot函数都会对图形进行一些更改:例如,创建一个图形,在图形中创建一个绘图区域,在绘图区域中绘制一些线条,用标签装饰该绘图等等。 import matplotlib.pyplot 阅读全文
posted @ 2021-01-13 15:39 藻类植物 阅读(58) 评论(0) 推荐(0) 编辑
摘要:引入: import seaborn as sns import matplotlib.pyplot as plt 绘图步骤: #1、创建画布 plt.figure(figsize=(8,6),dpi=144) #设置大小和清晰度 #2、画布内容 plt.title('标题') plt.xlabel 阅读全文
posted @ 2021-01-12 11:50 藻类植物 阅读(37) 评论(0) 推荐(0) 编辑
摘要:数据清理: from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = 'all' #显示cell中的所有结果 athlete.isnull().any() 阅读全文
posted @ 2021-01-11 10:46 藻类植物 阅读(37) 评论(0) 推荐(0) 编辑
摘要:tensorflow处理的是图形图像,图形图形都是二维平面,所以数据都用矩阵来表示。 定义w,x,注意定义方式,进行矩阵相乘matmul()函数时,w,x必须是一行一列的表示方式,否则会报错。 import tensorflow as tf #定义w,x,y w = tf.Variable([[0. 阅读全文
posted @ 2021-01-10 16:36 藻类植物 阅读(117) 评论(0) 推荐(0) 编辑
摘要:今天阅读了第八章:为每个人准备会议工作。 由于其在探索需求中的重要地位,会议必须像任何其他的工具一样来考虑:设计它们,适当地选择它们,在使用时训练每个人,然后就是练习,练习,再练习。特别地,还可以把会议用来衡量项目环境的健康程度。 怎么做? 1.为每个参与者创建一种安全的文化。 2.保持每个会议尽可 阅读全文
posted @ 2021-01-08 12:55 藻类植物 阅读(25) 评论(0) 推荐(0) 编辑
摘要:今天阅读了第七章:找到正确的相关人员。 通过阅读,相关人员是指:“谁”是一个包含使用者策略的所有目的。 如何做? 1.相信在需求开发团队中必须有负责的包含使用者的策略,这样远比“任其自然”好。 2.集体讨论一个潜在使用者列表。 3.通过把他们分类成友好的、不友好的以及可忽略的三类来简化列表。 4.使 阅读全文
posted @ 2021-01-05 22:07 藻类植物 阅读(32) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示