- 博客(7)
- 收藏
- 关注
RSS订阅转载 机器学习入门第七讲---泛化
前面我们已经讲了如何去建立一个模型，如何去预测，其实只是为了更好地去拟合我们的训练数据。对于机器学习而言，其实更有意义的，应该是泛化。 假设我们手头有100w条样本，标记着是垃圾邮件或者非垃圾邮件。然后我们建立了一个非常完美的模型，它对我们的样本数据能够实现100%准确的分类。这时候会出现什...
2019-09-01 19:04:00
309
转载 机器学习入门第五讲---用TensorFlow搭建第一个模型
这一讲，我们会在 TensorFlow 中使用LinearRegressor类并基于单个输入特征预测各城市街区的房屋价值中位数，并且使用均方根误差 (RMSE) 评估模型预测的准确率，通过调整模型的超参数提高模型准确率。 常用超参数 很多后续的代码都包含以下超参数： step...
2019-09-01 18:03:00
170
转载 机器学习入门第六讲--合成特征和离群值
本讲我们将会创建一个合成特征，即另外两个特征的比例，将此新特征用作线性回归模型的输入，并通过识别和截取（移除）输入数据中的离群值来提高模型的有效性。 以下代码摘自谷歌的官方示例。 还是用回之前的房价数据 from __future__ import print_function i...
2019-09-01 18:03:00
523
转载 机器学习入门第四讲---pandas
pandas是一种列存数据分析 API。它是用于处理和分析输入数据的强大工具，很多机器学习框架都支持将pandas数据结构作为输入。 以下代码摘自谷歌的官方示例。 有关更完整的参考，请访问pandas文档网站，其中包含丰富的文档和教程资源。 先导入该包（如果你的环境下没有...
2019-09-01 18:01:00
75
转载 机器学习入门第三讲---专业术语介绍
前面两讲简单地介绍了什么是机器学习，也蜻蜓点水地过了几条TensorFlow的语句，算是稍微打了一点基础。这一讲我们来看一下机器学习的一些相关的专业术语是什么意思。 监督学习与无监督学习（摘自百度百科） 监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例...
2019-09-01 18:01:00
332
转载 机器学习入门第一讲---机器学习的简单介绍
人工智能（Artificial Intelligence，下面简称AI）、机器学习（Machine Learning，下面简称ML）、深度学习（Deep Learning，下面简称DL）是什么，三者有什么关系？ 由于国家的重视，AI近几年非常的火，就算不是从事IT的也多多少少听过这个词。但...
2019-09-01 17:42:00
269
转载 机器学习入门第二讲---TensorFlow入门
第一讲已经大概介绍了啥是机器学习（以下简称ML），这里就带大家了解最简单的TensorFlow（以下简称TF）程序。 TF是什么？ 国际惯例，先介绍一下TF，维基百科介绍得比较散，下面是我根据维基百科和一些其他资料做的几句总结。 TensorFlow是Google Brai...
2019-09-01 17:42:00
106
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人