- 博客(9)
- 收藏
- 关注
RSS订阅原创 出现 ‘StatefulPartitionedCall_2‘ libdevice not found at ./libdevice.10.bc [[{{node StatefulPartition
[{{node StatefulPartitionedCall_2}}]] [Op:__inference_train_function_743]错误，发现是在keras构建神经网络的adam优化改为rmsprop后报错，应该是没有成功导入。[[{{node StatefulPartitionedCall_2}}]] [Op:__inference_train_function_743]错误。https://www.jianshu.com/p/de003ab935d1尝试一下这个用法。......
2022-08-14 02:59:27
1906
原创 ## 使用keras用gpu报错Num GPUs Available:0
确定安装了tensorflow-gpu版本cuda，cudnn（既有tensorflow，又有tensorflow-gpu不会有影响，因为我卸载tensorflow后在安装tensorflow-gpu在pip list后又会出现tensorflow）在pip install --user -i https://pypi.douban.com/simple/ tf-nightly-gpu。实用keras用gpu报错Num GPUs Available:0。需要安装tf-nightly-gpu。........
2022-08-12 23:03:35
2353
原创 机器学习一（4）特征降维与主成分
学习目标 知道特征选择的嵌入式、过滤式以及包裹氏三种方式 应用VarianceThreshold实现删除低方差特征 了解相关系数的特点和计算 应用相关性系数实现特征选择 4.1 特征选择 数据中包含冗余或无关变量（或称特征、属性、指标等），旨在从原有特征中找出主要特征。 方法 Filter(过滤式)：主要探究特征本身特点、特征与特征和目标值之间关联 方差选择法：低方差特征过滤 相关系数- 特征与特征之间的相关程度 皮尔逊相关系数取值范围：–1≤ r ≤+1 .
2020-11-06 21:16:32
957
原创 机器学习一（3）特征预处理
3.1概念 含义：通过一些转换函数将特征数据转换成更加适合算法模型的特征数据过程，包含归一化、标准化 目标：了解数值型数据、类别型数据特点 应用MinMaxScaler实现对特征数据进行归一化 应用StandardScaler实现对特征数据进行标准化 意义：特征的单位或者大小相差较大，或者某特征的方差相比其他的特征要大出几个数量级，容易影响（支配）目标结果，使得一些算法无法学习到其它的特征。所以要无量纲化，使不同规格的数据转换到同一规格 导入模块 from sklearn.preprocessing i
2020-11-06 21:15:50
261
原创 机器学习一（2)特征提取（字典、中英文等）
- 目标 应用DictVectorizer实现对类别特征进行数值化、离散化 应用CountVectorizer实现对文本特征进行数值化 应用TfidfVectorizer实现对文本特征进行数值化 2.1特征提取 将任意数据（如文本或图像）转换为可用于机器学习的数字特征，特征值化是为了计算机更好的去理解数据 特征提取API sklearn.feature_extraction 2.2 字典特征提取 作用：对字典数据进行特征值化 sklearn.feature_extraction.DictVect
2020-11-06 21:14:16
1451
1
原创 机器学习一（1）特征工程介绍
机器学习（1）特征工程 1.1数据集 构成：特征值+目标值 参考书籍： 机器学习 -”西瓜书”- 周志华 统计学习方法 - 李航 深度学习 - “花书 1.2 sklearn数据集 sklearn.datasets load_* 获取小规模数据集： sklearn.datasets.load_iris() fetch_* 获取大规模数据集： sklearn.datasets.fetch_20newsgroups(data_home=None,subset=‘train’) 数据集的返回值： d
2020-11-06 17:29:37
256
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