这篇博客介绍了机器学习的基础知识，包括3.1线性回归，用于预测连续值的问题，和2.3自动求梯度的概念。文章通过MXNet库展示了如何在Python中进行数据操作，并探讨了线性回归模型的基本要素。同时，还讲解了如何在Linux服务器上免密码登录并配置PyCharm以连接远程服务器进行TensorFlow开发。
3.1线性回归
"""3.1线性回归回归：预测房屋价格、气温、销售额等连续值等问题。分类：图像分类、垃圾邮件识别、疾病监测等。注意：softmax回归则适合用于分类问题。""""""3.1.1线性回归的基本要素这就是机器学习。目标：预测一栋房子的售出的价格。影响的因素：如房屋状况、地段、市场行情等为了简单的起见：假设价格只取决于房屋状况的两个因素，...
21次阅读
2019-06-03 20:23:11
2.3 自动求梯度
"""2.3自动求梯度"""frommxnetimportautograd,nd"""2.3.1简单例子""""""我们先看一个简单例子：对函数y=2x⊤x求关于列向量x的梯度。我们先创建变量x，并赋初值。"""x=nd.arange(4).reshape((4,1))print("x:",x)"""为了求有关变量x的梯度，我们需要先...
7次阅读
2019-06-03 11:11:44
最低0.47元/天 解锁文章
扫一扫
3913
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
