- 博客(7)
- 资源 (8)
- 收藏
- 关注
原创 NetworkX(1)——可视化测试篇
这一系列博客是用来总结使用NetworkX包来进行网络图可视化的学习过程,首先第一篇是使用NetworkX来生成随机网络结构的可视化展示,属于基本操作。示例学习于余本国老师的书。代码如下:import matplotlib.pyplot as pltimport networkx as nxG = nx.random_geometric_graph(200,0.125)pos = ...
2018-11-26 14:29:34 2358
原创 matplotlib可视化初体验
这篇博客主要是总结一下最近进行的matplotlib可视化实验,内容主要来自于官方文档的实例。(1)首先最简单的——圆形散点图:import matplotlib.pyplot as pltimport numpy as np#绘制一个圆形散点图t = np.arange(1, 10, 0.05)x = np.sin(t)y = np.cos(t)#定义一个图像窗口plt....
2018-11-26 10:53:35 490
原创 国际旅行人数预测——使用LSTM
时间序列问题增加了输入变量之间的序列依赖性,这样大大提升了模型的复杂程度。LSTM是循环神经网络的一种,可以成功地训练架构非常复杂的深度学习模型,用于处理时间序列问题。LSTM对输入数据的尺度十分敏感,特别是使用sigmoid(这是默认的)或者tanh作为激活函数的时候。下面代码中使用Scikit-Learn中的MinMaxScaler预处理类对数据集进行归一化处理,将数据缩放到0——1。...
2018-11-09 15:47:33 3512 4
原创 国际旅行人数预测——使用多层感知器
这个例子是使用多层感知器来处理时间序列问题,例子来源于魏贞原老师的书。数据集使用的是国际旅行旅客人数数据集(international-airline-passengers)数据集下载:国际旅行旅客人数数据集(international-airline-passengers)利用matplotlib,我们先看一下实际数据的变化趋势。之后构建一个仅有一个隐藏层的多层感知器模型,并...
2018-11-05 15:44:28 1986 1
原创 训练过程中使用学习率衰减
随机梯度下降算法的性能与学习率有着直接的关系,这是因为学习率决定了参数移动到最优值时的速度。如果学习率过大很可能会越过最优值,如果学习率过小,优化的效率可能过低,收敛时间极长。那么一个很好的解决方案就是学习率衰减——即学习率随着训练的进行逐渐衰减。在训练过程开始时,使用较大的学习率,这样就能快速收敛;随着训练过程的进行,逐渐降低学习率,这样有助于找到最优解。目前两种较为流行的学习率衰减方法...
2018-11-05 15:14:14 9733 2
原创 在训练过程中加入Dropout
Dropout是在训练过程中,随机地忽略部分神经元——也就是说,在正向传播的过程中,这些被忽略的神经元对下游神经元的贡献效果暂时消失,在反向传播中,这些神经元也不会有任何权值的更新。Dropout的思想的出现,主要是为了解决过拟合的问题。虽然说采用组合方法,也就是训练多个模型,能够在一定程度上解决过拟合的问题,但是会带来非常大的时间开销,而Dropout可以很好的解决这个问题。在Keras...
2018-11-05 14:52:13 15144
原创 模型训练过程初步可视化
在训练深度学习模型时,Keras提供了对训练历史的默认回调方法——History回调。它记录了每个epoch的训练指标,包括有损失、准确度(分类问题),以及评估数据集的损失和准确度(这需要设置)。训练过程中的信息可以从训练模型的fit()函数的返回值获取。度量标准存储在返回对象的历史成员的字典中。"""将模型训练过程可视化"""from keras.models import Sequen...
2018-11-03 16:23:59 3441
Youtube social network and ground-truth communities.zip
2019-08-01
international-airline-passengers.zip
2019-08-01
机器学习实战:基于Scikit-Learn和TensorFlow文档+数据+代码综合.zip
2019-07-10
《Python数据挖掘入门与实践》第一节商品购买数据集
2018-12-10
国际旅行旅客人数数据集(international-airline-passengers)
2018-11-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人