口袋里的小小哥的博客

原创 细究 tensorflow 常用函数+ 常用参数

import numpyimport tensorflow as tf# 创建全为0的张量# tf.zeros(维度) 1维直接写个数 2维[行，列] ，多维[n,m,j]# tf.zeros([2,4])# tf.ones(4)# tf.fill([2,2],9)# tf.random.uniform(维度，minval=最小值，maxval=最大值)# tf.rand...

原创 找遍全网最简单的使用git

2、进行基础配置，作为 git 的基础配置，作用是告诉 git 你是谁，你输入的信息将出现在你创建的提交中，使用下面两条命令：　　git config --global user.name"你的名字或昵称"　　git config --global user.email"你的邮箱"3.、在你自己人员文件夹中执行下面命令，完成初始化 git init ...

原创 调参优化

import tensorflow as tfimport numpy as npimport pandas as pdimport matplotlib.pyplot as plt(train_image, train_lable), (test_image, test_label) = tf.keras.datasets.fashion_mnist.load_data()trai...

原创 tensorflow简单小结

# 连续的值 直接输出结果# 二分类 输出层 做一个sigmoid运算# 多分类　输出做一个 softmax 得到概率分布# 学习速率（超参数） learning rate（lr）： 对梯度进行缩放的参数被称为学习速率# 常见的优化函数# 优化器 optimizer 是编译模型所需的俩个参数之一# model.complie() 来调用# SGD：随机梯度下降优化器# RMS...

原创 softmax 独热编码

import tensorflow as tfimport numpy as npimport pandas as pdimport matplotlib.pyplot as plt# fashion_mnist = tf.keras.datasets.fashion_mnist.load_data()(train_image, train_lable), (test_image, ...

原创 分类问题的时候用交叉熵损失函数会更有效

# 分类问题的时候用交叉熵损失函数会更有效# binary_crossentropy 来计算二元交叉熵import tensorflow as tfimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltdata = pd.read_csv('credit-a.csv', header=None)# ...

原创 tensorflow 激活函数，多层感知器

# 激活函数# 1.relu 屏蔽掉 为0的# 2.sigmoid 输出范围 x轴靠近0，梯度变化大，，远离0的时候，就变化很小# 3.tanh 范围-1 到 +1# 4.leak reluimport tensorflow as tfimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltda...

原创 初探 TensorFlow

import tensorflow as tfimport pandas as pdimport matplotlib.pyplot as pltdata = pd.read_csv('TensorFlow学历与收入预测.csv')# print(data)plt.scatter(data.Education, data.Income)# plt.show()# 单变量线性回归...

原创 day 9.2 逻辑回归-案例-评分卡制作

import numpy as npimport pandas as pdpd.set_option('display.max_columns', None)from sklearn.linear_model import LogisticRegression as LRdata = pd.read_csv('评分卡模型数据.csv')# print(data.head())# ...

原创 day 9.1 逻辑回归-二元回归与多元回归

# todo 重要参数 solver & multi_class# multi_class 输入告知模型，我们要处理分类问题的模型# 1. 输入 'ovr' 处理二分类，或者让模型使用‘一对多’的形式来处理多分类问题# 2.'multinomial' 处理多分类，这种输入在参数solverwe是linlinear时不可用# 3.'auto' ...

原创 day 9.0 逻辑回归- 梯度下降

# max_iter 控制步长# max_iter越大，步长越小，迭代次数大，模型时间长，反之from sklearn.linear_model import LogisticRegression as LRfrom sklearn.datasets import load_breast_cancerimport numpy as npimport matplotlib.pyplot ...

原创 万能 　随机森林回归　补缺函数

＃＃＃＃＃ｔｏｄｏ　　只对一列数据含有缺失，另外的数据都不含缺失值的数据有效def fill_missing_rf(X, Y, to_fill): """ 使用随机森林填补一个特征的缺失值的函数 :param X: 要填补的特征矩阵 :param Y: 完整的，没有缺失值的标签 :param to_fill: 字符串，要填补的那一列的名称 :r...

原创 逻辑回归 求解器简介

原创 day 8.6 逻辑回归-特征过程

# 方法1.自己分析# ＰＣＡ　和　ＳＶＤ　一般用不上# 方法2. 统计方法可以使用，但没必要# todo: 高效的嵌入法from sklearn.linear_model import LogisticRegression as LRfrom sklearn.datasets import load_breast_cancerimport numpy as npimport...

原创 day 8.5 逻辑回归-正则化参数

# linear_model.LogisticRegression 逻辑回归回归分类器（又叫logit回归，最大熵分类器）# linear_model.LogisticRegressionCV 带交叉验证的逻辑回归分类器# linear_model.logistic_regression_path 计算Logistic回归模型以获得正则化参数的列表# linear_model....

原创 day 8.3 PCA 降噪

from sklearn.datasets import load_digits # 一个蛮好的系统自带手写数据集from sklearn.decomposition import PCAimport matplotlib.pyplot as pltimport numpy as npdigits = load_digits()# print(digits.data)# pri...

原创 day 8.2 PCA重要接口 inverse_transform

from sklearn.datasets import fetch_lfw_peoplefrom sklearn.decomposition import PCAimport matplotlib.pyplot as pltimport numpy as np# 导数据faces = fetch_lfw_people(min_faces_per_person=60) # 每个人取...

原创 day 8.1 PCA人脸识别 重要属性components_

from sklearn.datasets import fetch_lfw_peoplefrom sklearn.decomposition import PCAimport matplotlib.pyplot as pltimport numpy as npfaces = fetch_lfw_people(min_faces_per_person=60) # 每个人取出60张图...

原创 day 8.0 降维算法 PCA

# PCA和SVDfrom sklearn.decomposition import PCA# PCA(n_components=None# , copy=True# , whiten=False# , svd_solver='auto'# , tol=0.0# , iterated_power='auto'# , random_s...

原创 day 7 特征选择

import pandas as pdimport numpy as npdata = pd.read_csv("digit recognizor.csv")# print(data.head())x = data.iloc[:, 1:]y = data.iloc[:, 0]# print(x.shape) ##(42000, 784)"""数据量相对夸张，如果使用支持向量机...