- 博客(9)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 图文并茂的Python教程-numpy.pad
np.pad（）常用与深度学习中的数据预处理，可以将numpy数组按指定的方法填充成指定的形状。
2017-08-30 22:43:13
54844
6
原创 Python的与或逻辑
Python的与或逻辑包括：按位与&、按位或|、逻辑与and、逻辑或or。下面我们来探索对不同集合类型中的与或的使用。
2017-08-30 16:44:47
68421
1
原创 图文并茂的Python箱型图教程
箱型图比较复杂，这里只做简要介绍。 声明：需要读者了解Python列表最好了解Python的pandas库教程借助于matplotlib绘图库
2017-08-30 15:30:01
30605
1
原创 图文并茂的Python柱状图教程
看完本教程，就可以应付大多数情况下的柱状图绘制了。声明：需要读者了解一点Python列表的知识教程借助于matplotlib库
2017-08-30 10:36:54
6069
翻译 DeepLearning学习笔记——构建机器学习算法
几乎所有的深度学习算法都可以被描述为一个相当简单的配方：特定的数据集、代价函数、优化过程和模型。
2017-08-17 11:06:44
402
翻译 DeepLearning学习笔记——梯度下降
梯度下降几乎所有的深度学习算法都用到了一个非常重要的算法：随机梯度下降（stochastic gradient descent，SGD）。随机梯度下降是梯度下降算法的一个扩展。简介 机器学习中反复出现的一个问题是好的泛化需要大的训练集，但大的训练集的计算代价也更大。机器学习算法中的代价函数通常可以分解成每个样本的代价函数的总和。例如，训练数据的条件对数似然可以写成J(θ)=Ex,y∼...
2017-08-17 09:41:34
1266
翻译 DeepLearning学习笔记——无监督学习算法
无监督算法只处理“特征”，不操作监督信号。监督和无监督算法之间的区别没有规范严格的定义，因为没有客观的判断来区分监督者提供的值是特征还是目标。通俗地说，无监督学习的大多数尝试是指从不需要人为注释的样本的分布中抽取信息。
2017-08-16 11:27:41
15096
原创 DeepLearning学习笔记——极大似然估计
简介条件对数似然和均方误差最大似然的性质一般提到估计，我们首先想到的是通过输入，估计输出。这时，有很多准则，比如偏差和方差来帮我们估计。然而有时候，我们希望有些方法可以让我们估计输入到输出的函数（当函数模型确定时，就是估计函数的参数）。这些函数由于模型和参数的不同而不同，它们组成了在机器学习中常说的函数空间。极大似然估计就可以帮我们从函数空间中选定特定的函数作为好的估计简单来说，就对于y=f(x
2017-08-14 19:59:47
5899
原创 用Python爬取用户虾米音乐的歌单
Python的爬虫非常简单，现在又有成熟的爬虫框架scrapy。现在，我们来用scrapy爬取自己虾米歌单上的歌曲。 通过这篇博客，你将学到：基本的爬虫设计模拟登陆维持登陆状态Xpath（中的一点皮毛233）。本文默认读者已经通过scrapy官方文档或中文版安装好了，并试过了测试用例。
2017-08-05 12:33:10
6664
14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人