摘要：
什么是评估机器学习模型 机器学习的目的是得到可以泛化（generalize）的模型，即在前所未见的数据上表现很好的模型，而过拟合则是核心难点。你只能控制可以观察的事情，所以能够可靠地衡量模型的泛化能力非常重要。 如何衡量泛化能力，即如何评估机器学习模型。 评估模型的重点是将数据划分为三个集合：训练集 阅读全文
摘要：
对模型给予概率进行分类的手法称为概率分类法。给予概率是指对于模式X所对应的类别y的后验概率（y|x）进行学习。其所属类别为后验概率达到最大值时所对应的类别。 基于概率的模式识别的算法除了可以避免错误分类，还具有一个优势。就是的对多分类通常会有一个号的效果。 一、Logistic回归 首先，来看一下最 阅读全文
摘要：
目录： 一、TensorFlow使用GPU 二、深度学习训练与并行模式 三、多GPU并行 四、分布式TensorFlow 4.1分布式TensorFlow的原理 4.2分布式TensorFlow模型训练 4.3使用caicloud运行分布式TensorFlow 深度学习应用到实际问题中，一个非常棘手 阅读全文
摘要：
决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象 阅读全文
摘要：
为了更好的管理、调试和优化神经网络的训练过程，TensorFlow提供了一个可视化工具TensorBoard。TensorBoard可以有效的展示TensorFlow在运行过程中的计算图。、各种指标随着时间变化的趋势以及训练中使用到的腿昂等信息 一、TensorBoard简介 二、TensorBoa 阅读全文
摘要：
一、循环神经网络简介 循环神经网络的主要用途是处理和预测序列数据。循环神经网络刻画了一个序列当前的输出与之前信息的关系。从网络结构上，循环神经网络会记忆之前的信息，并利用之前的信息影响后面节点的输出。 下图展示了一个典型的循环神经网络。 循环神经网络的一个重要的概念就是时刻。上图中循环神经网络的主体 阅读全文
摘要：
在机器学习的过程中，我们经常会遇见过拟合的问题。而输入数据或features的维度过高就是导致过拟合的问题之一。。维度越高，你的数据在每个特征维度上的分布就越稀疏，这对机器学习算法基本都是灾难性的。所有出现了很多降维的方法。今天我们要讨论的就是LDA降维。 LDA降维的思路是：如果两类数据线性可分， 阅读全文
摘要：
目录： 一、TFRecord输入数据格式 1.1 TFrecord格式介绍 1.2 TFRecord样例程序 二、图像数据处理 2.1TensorFlow图像处理函数 2.2图像预处理完整样例 三、多线程数据输入处理框架 3.1 队列与多线程 3.2输入文件队列 3.3组合训练数据（batching 阅读全文
摘要：
一、卷积神经网络简介 卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 它包括卷积层(convolutional layer)和池化层(pooling layer)。 一 阅读全文
摘要：
一、MNSIT数据处理 MNSIT是一个非常有名的手写体数字识别数据集。包含60000张训练图片，10000张测试图片。每张图片是28X28的数字。 TonserFlow提供了一个类来处理 MNSIT数据。这个类会自动下载并转化数据结构。 为了方便使用随机梯度下降， 二、神经网络模型训练及不同模型效 阅读全文