- 博客(6)
- 收藏
- 关注
RSS订阅原创 np.random
numpy.random.randintnumpy.random.randint(low, high=None, size=None, dtype='l')>>> np.random.randint(2, size=10)array([1, 0, 0, 0, 1, 1, 0, 0, 1, 0])>>> np.random.randint(1, size=10)array([0, 0, 0, 0
2017-03-27 21:33:55
1020
原创 文本中的特征提取与特征选择
特征提取Bag of Words分词计算每个词出现的次数from sklearn.feature_extraction.text import CountVectorizervectorizer = CountVectorizer(min_df=1)corpus = [ 'This is the first document.', 'This is the second
2017-03-27 17:09:44
12589
原创 交叉验证
交叉验证的形式K折交叉验证，初始采样分割成K个子样本，一个单独的子样本被保留作为验证模型的数据，其他K-1个样本用来训练。交叉验证重复K次，每个子样本验证一次，平均K次的结果或者使用其它结合方式，最终得到一个单一估测。这个方法的优势在于，同时重复运用随机产生的子样本进行训练和验证，每次的结果验证一次，10折交叉验证是最常用的。Holdout 验证：将原始数据随机分为两组,一组做为训练集,一组做为
2017-03-27 14:53:54
10798
1
原创 tf.get_variable()
tf.get_variable()通常和tf.variable_scope()一起使用，可用来共享变量tf.get_variable(name, shape, initializer): 通过所给的名字创建或是返回一个变量.tf.variable_scope(): 通过 tf.get_variable()为变量名指定命名空间.函数tf.get_variable() 用来获取或创建一个变量，不同
2017-03-25 22:23:39
6324
原创 tf.train.Saver
Saver类用来保存和恢复变量Saver类增加了保存和恢复变量到checkpoints的操作。它还提供了运行这些操作的便利方法。Checkpoints是专有格式的二进制文件，将变量名称映射到张量值。检查Checkpoints文件内容的最佳方式是使用Saver加载它。Saver可以用计数器自动编号checkpoint文件，这可以让你在训练模型时，在不同的步骤中保留多个checkpoint。例如，你可以
2017-03-24 17:27:51
5486
原创 tf.truncated_normal与tf.random_normal
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)从截断的正态分布输出随机值。 生成的值服从具有指定平均值和标准偏差的正态分布，如果生成的值大于平均值2个标准偏差的值则丢弃重新选择。在正态分布的曲线中，横轴区间（μ-σ，μ+σ）内的面积为68.268949%。 横轴区间（
2017-03-23 17:30:52
52855
4
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