jq656021898的博客

转载自https://www.cnblogs.com/jasonfreak/p/5448385.html 目录 1 特征工程是什么？ 2 数据预处理 　　2.1 无量纲化 　　　　2.1.1 标准化 　　　　2.1.2 区间缩放法 　　　　2.1.3 标准化与归一化的区别 　　2.2 对定量特征二值化 　　2.3 对定性特征哑编码 　　2.4 缺失值计算 　　2.5 数据变换 　　2.6 回顾 3 特征选择 　　3.1 Filter 　　　　3.1.1 方差选择法 　　　　3.1.2 相关系数法 　　　

基础知识 需要准备知识： 第一层：通过算法学习了解基本原理 第二层：数学方面的推导 第三层：会用语言或者工具包解决问题，掌握一门语言，实现算法原型 第四层：会优化算法 纲要： 机器学习的几个基本概念 机器学习的实质：在输入空间到输出空间中的各种假设形成的假设空间中，去搜索一个假设，这个假设对当前数据拟合情况最好 机器学习方法的三要素 经验风险与结构风险 目标...

清理废弃API 在训练方面：使用Keras和eager execution轻松构建模型。为研究提供强大的实验工具。 1.0通过session运行 一、tf.keras是构建和训练模型的核心高级API 二、Eager模式与自定义训练 Eager模式：直接迭代和直观调试 tf.GradientTape：求解梯度，自定义训练逻辑 三、tf.data 加载图片数据与结构化数据 四、tf.functio...

安装： 安装python64位 安装numpy pip install numpy 安装TensorFlow pip install tensorflow-gpu pip install tensorflow-cpu 例子： import tensorflow as tf import numpy as np #creat data x_data=np.random.rand(100...