这很周一一-CSDN博客

原创回调 call back

Hands-on Machine Learning with Scikit Learn, Keras & TensorFlowCharpter 10学习笔记fit()方法接受一个回调参数，允许您指定Keras将在训练开始和结束时、在每个epoch开始和结束时、甚至在处理每个批处理之前和之后调用的对象列表。例如，ModelCheckpoint回调在训练期间定期保存模型的检查点，默认情况下保存在每个epoch的末尾:[...]checkpoint_cb = keras.callba.

2021-09-07 10:09:59 243 1

原创 Support Vector Classification常见算法的Computational Complexity

SVC常见算法的计算复杂度Hands-on Machine Learning with Scikit Learn, Keras & TensorFlowCharpter 5 学习笔记LinearSVC类基于liblinear库，它实现了线性支持向量机的优化算法(https://homl.info/13)。它不支持核技巧，但它几乎随训练实例的数量和特征的数量线性扩展。其训练时间复杂度约为O(m * n)。如果你需要非常高的精度，算法需要更长的时间。这是由公差超参数(在Scikit-

2021-08-22 18:19:17 309

原创 Ridge Regression、LASSO Regression及L1正则化、L2正则化

岭回归（Ridge Regression）、LASSO回归及L1正则化、L2正则化Hands-on Machine Learning with Scikit Learn, Keras & TensorFlowCharpter 4 学习笔记前面部分略，书中figure 4-19绘制的相当不错，一图便可知其全貌用其更新后的图像来简单解释Ridge regression代价函数：LASSO regression代价函数：坐标轴代表两个模型参数和左侧两..

2021-08-19 15:49:46 714

原创 Normal Equation与 SVD在 Linear Regression model在训练时和预测时的Computation Complexity

正规方程与奇异值分解在线性回归模型在训练时和预测时的时间复杂度Hands-on Machine Learning with Scikit Learn, Keras & TensorFlowCharpter 4 学习笔记1.训练时normal equation 计算，他是一个(n+1)*(n+1)的矩阵，其中n为特征数。逆矩阵的计算复杂度通常是到，具体取决于具体实现。例如，将你的特征数量增加一倍（即*2），你的计算时间大约乘以到。Scikit...

2021-08-13 11:45:48 256

原创 Custom Transformers and Transformation Pipelines

Hands-on Machine Learning with Scikit Learn, Keras & TensorFlowCharpter two 学习笔记（小白的心酸）Custom transformers（定制变换器）尽管scikit-learn提供了许多有用的变换器，但是有时我们也需要为一些任务编写自己的变换器，比如自定义清理操作或组合特定属性。你会希望你的转换器能够无缝地使用scikit-learn功能(比如pipelines)，而且由于scikit-learn依赖于

2021-07-23 23:00:51 438 1

原创 sklearn 特征缩放（feature scaling）

需要应用于数据的最重要的转换之一是特征缩放(feature scaling)。除了少数例外，当输入的数字属性有非常不同的尺度时，机器学习算法表现不佳。有两种常见的方法可以使所有属性具有相同的缩放:最小-最大缩放和标准化。最小最大缩放（Min-max scaling）:许多人称之为归一化（normalization），是最简单的特征缩放方法。数值被移动和重新缩放，使其最终的范围限制在0到1范围内。我们通过减去最小值，再除以最大值减去最小值来实现。Scikit-Learn为此...

2021-07-01 14:43:34 461

原创 windows环境下创建python虚拟环境 pip install virtualenv

最近在看Aurélien Géron老师写的Hands-on Machine Learning with Scikit Learn, Keras & TensorFlow小白一枚，看到第二章Creat the workspace里面创建一个虚拟环境，附上windows环境下自己的学习笔记。一.下载anaconda，此处不赘述二.安装python，本人之前做其他项目装过pycharm故此处省略三.将pip 等命令添加到CMD的环境变量中：此电脑，右键->属性

2021-06-25 11:19:29 1764 1

ba_labala的博客