Climb_Ma的博客

一元线性回归一：机器学习基础1.什么是机器学习？从数据中学习建立模型学习模型预测房价2.机器学习分类监督学习 （Supervised Learning）通过对数据的学习,寻找属性和标记之间的映射关系回归（regression）： 预测连续值分类（classification）： 预测离散值[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Z06hV7G8-1597290367937)(attachment:image.png)]无监督学习 （Un

Tensorflow2.0 基础一：TensorFlow特性1.TensorFlowAn end-to-end open source machine learning platformend-to-end：端到端open source：开放源代码，开放设计和实现框架TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems. Wide & Deep Learning for Recomme

四：组合数据类型（一）集合类型及操作1.集合类型定义：集合类型与数学中的集合概念一致;集合元素之间无序，每个元素唯一，不存在相同元素;集合元素不可更改，不能是可变数据类;新建集合集合用大括号 {} 表示，元素间用逗号分隔；建立集合类型用 {} 或 set()；建立空集合类型，必须使用set()；举例：A = {"Climb",5201314,("python",123)}B = set("Climb,520,Climb")C = {"Climb",520,"Climb",

三：函数和代码复用（一）函数的基本使用1.函数的定义函数是一段具有特定功能的、可重用的语句组，用函数名来表示并通过函数名进行功能调用。函数也可以看作是一段具有名字的子程序，可以在需要的地方调用执行，不需要在每个执行的地方重复编写这些语句。每次使用函数可以提供不同的参数作为输入，以实现对不同数据的处理；函数执行后，还可以反馈相应的处理结果。函数能够完成特定功能，对函数的使用不需要了解函数内部实现原理，只要了解函数的输入输出方式即可。严格地说，函数是一种功能抽象。有些函数是用户自己编写的，称为自定

二：程序的控制结构1.程序流程图程序流程图是用一类列图形，流程线和文字说明描述程序的基本操作和控制流程，它是程序分析和过程描述的最基本方式。 流程图的基本元素包括7种：其中，起止框表示一个程序的开始和结束;判断框判断一个条件是否成立，并根据判断结果选择不同的执行路径;处理框表示一组处理过程; 输入/输出框表示数据输入或结果输出;注释框增加程序的解释;流向线以带箭头直线或曲线形式指示程序的执行路径;连接点将多个流程图连接到一起，常用于将一个较大流程图分隔为若干部分。下图所示为一个流程图示例，为了便于

一：基本数据类型及操作（一）基本数据类型1.整数类型整数类型一共有4种进制表示：十进制、二进制、八进制和十六进制默认情况，整数采用十进制，其他进制需要增加引导符号(大小写字母均可使用)。整数类型理论上取值范围是[-∞，∞]，实际上的取值范围受限于运行Python程序的计算机内存大小。除极大数的运算外，一般认为整数类型没有取值范围限制。2.浮点数类型Python语言要求所有浮点数必须带有小数部分，小数部分可以是0，这种设计是为了区分浮点数和整数类型。浮点数有两种表示方法：十进制表示法和

鸢尾花数据集可视化一：鸢尾花数据集Anderson’s Iris Data Set1.Iris数据集1936，Ronald Fisher， The use of multiple measurements intaxonomic problems加拿大的加斯帕半岛同一天的同一个时间段在相同的牧场上由同一个人使用相同的测量仪器3种鸢尾花类别每个类别有50个样本每个样本中包括4种鸢尾花的属性特征，和鸢尾花的品种4个属性花萼长度（Sepal L

波士顿房价数据集可视化1.Keras是一个高层的神经网络和深度学习库。可以快速搭建神经网络模型，非常易于调试和扩展。TensorFlow的官方API内置了一些常用的公共数据集，可以通过keras.datasets模块加载和访问。Keras中集成的数据集序号名称说明1boston_housing波士顿房价数据集2CIFAR1010种类别的图片集3CIFAR100100种类别的图片集4MNIST手写数字图片集5Fashion-MN

Matplotlib数据可视化一：Matplotlib绘图基础Matplotlib： 第三方库，可以快速方便地生成高质量的图表1.数据可视化数据分析阶段：理解和洞察数据之间的关系算法调试阶段：发现问题，优化算法项目总结阶段：展示项目成果2.Matplotlib库的安装和导入安装Anaconda： 安装了anaconda之后，Matplotlib就已经被安装好了pip安装 pip install matplotlib导入import matplotlib.pyplot as

Numpy科学计算库一：创建Numpy数组1.定义Numpy（Numeric Python）提供了多维数组、矩阵的常用操作和一些高效的科学计算函数。底层运算通过C语言实现，处理速度快、效率高，适用于大规模多维数组。可以直接完成数组和矩阵运算，无需循环。2.导入Numpy库import numpy as np （在调用Numpy中的函数时，一定要加上前缀np）from numpy import * （在调用Numpy中的函数时，可以不加前缀）3.创建数组array([ 列表 ]/

PCA简单小实例（二维降一维）import numpy as npimport matplotlib.pyplot as plt#载入数据data = np.genfromtxt("data.csv",delimiter=",")#print(data)x_data = data[:,0]y_data = data[:,1]plt.scatter(x_data,y_data)pl...

主成分分析PCA(Principal Component Analysis)一：PCA理论部分1.方差：描述一个数据的离散程度：2.协方差：描述两个数据的相关性，接近1就是正相关，接近-1就是负相关，接近0就是不相关。3.协方差矩阵： 协方差只能处理二维问题，那维数多了自然需要计算多个协方差，我们可以使用矩阵来组织这些数据。 协方差矩阵是一个对称的矩阵，而且对角线是各个维度的方差。...

Python基础语法体系一：基本数据类型及操作二：程序的控制结构三：函数和代码复用四：组合数据类型

1.BP神经网络介绍2.BP神经网络结构3.BP算法4.常用激活函数5.如何构建BP神经网络6.BP神经网络解决异或问题

一：线性神经网络线性神经网络在结构上与感知器非常相似，只是激活函数不同。 在模型训练时把原来的sign函数改成了purelin函数：y = x二：Delta学习规则三：线性神经网络解决异或问题

单层感知器1.人体神经网络2.由人体神经网络构建人工神经网络3.单层感知器学习规则4.学习率取值变化规律5.模型收敛条件6.单层感知器程序

神经网络背景概述一：深度学习三次热潮（基础就是神经网络）第一次热潮（20世纪50—60年代）1950年图灵提出图灵测试。1958年计算机科学家Rosenblatt提出了一种具有三层网络结构特性的神经网络结构，成为“感知器”。1969年，人工智能的先驱Minsky出版了一本名为《感知器》的书，书中指出简单的神经网络只能运 用于线性问题的求解，能够求解非线性问题的网络 应具有隐层，而从理论...

机器学习-4 神经网络Google神经网络演示平台可任意增减隐藏层数目及神经元数量（神经元数量每一层最多8个）从动态演示过程中可直观发现以下规律： 1.学习率过大造成权值调整不稳定，图像产生震荡； 2.学习率过小造成权值调整过慢，迭代次数过多，收敛缓慢； 3.当测试误差过大于训练误差，分类呈现图像奇怪，则产生过拟合现象；