- 博客(7)
- 收藏
- 关注
原创 sklearn.linear_model.Ridge
sklearn.linear_model.Ridge英文版链接class sklearn.linear_model.Ridge(alpha=1.0, *, fit_intercept=True, normalize=False, copy_X=True, max_iter=None, tol=0.001, solver='auto', random_state=None)该模型求解损失函数为线性最小二乘函数,正则化由L2范数给出的回归模型。也称为岭回归或Tikhonov正则化。该估计器具有对多变量
2020-08-17 18:35:08
508
转载 谈谈激活函数以零为中心的问题
谈谈激活函数以零为中心的问题转载:https://liam.page/2018/04/17/zero-centered-active-function今天在讨论神经网络中的激活函数时,陆同学提出 Sigmoid 函数的输出不是以零为中心的(non-zero-centered),这会导致神经网络收敛较慢。关于这一点,过去我只是将其记下,却并未理解背后的原因。此篇谈谈背后的原因。神经元图片来自:https://zhuanlan.zhihu.com/p/25110450如图是神经网络中一个典型的神
2020-07-28 08:53:44
1789
5
原创 机器学习100天练习(6)-SVM
机器学习100天练习(6)-SVM导入库import numpy as npimport matplotlib.pyplot as pltimport pandas as pd导入数据dataset = pd.read_csv('Social_Network_Ads.csv')X = dataset.iloc[:, [2, 3]].valuesy = dataset.iloc[:, 4].values拆分数据集为训练集合和测试集合from sklearn.model_selecti
2020-07-23 18:05:44
228
原创 机器学习100天练习(5)K近邻法
机器学习100天练习(5)K近邻法导入相关库import numpy as npimport matplotlib.pyplot as pltimport pandas as pd导入数据集数据dataset = pd.read_csv('Social_Network_Ads.csv')X = dataset.iloc[:, [2, 3]].valuesy = dataset.iloc[:, 4].values将数据划分成训练集和测试集from sklearn.model_sel
2020-07-23 11:30:52
244
原创 机器学习100天练习(4)-逻辑回归
机器学习100天练习(4)-逻辑回归逻辑回归讲解模型输出为 0 或 1假设 => y = Wx + bhΘ(x) = sigmoid (Z)Sigmoid 函数本质是将数据拟合到线性回归模型中,然后用logistic函数预测目标分类因变量。该数据集包含了社交网络中用户的信息。这些信息涉及用户ID,性别,年龄以及预估薪资。一家汽车公司刚刚推出了他们新型的豪华SUV,我们尝试预测哪些用户会购买这种全新SUV。并且在最后一列用来表示用户是否购买。我们将建立一种模型来预测用户是否购买
2020-07-22 17:19:13
543
原创 机器学习100天练习(1)-数据预处理
机器学习100天练习(1)-数据预处理第1步:导入库import numpy as npimport pandas as pd
2020-07-15 17:42:59
438
原创 Pandas中的iloc和loc
Pandas中的iloc和loc具体如下:序号评分姓氏0a赵1a钱2孙3b李选取标签为“序号”和“评分”的列import pandas as pddf = df.loc[:, ['序号', '评分']]df = df.iloc[:, [0, 2]]选取标签为“评分”并且只取前两行df = df.loc[0:2, ['评分']]df = df.iloc[0:2, 2]loc是根据dataframe的具体标签选取列,而iloc是
2020-07-12 23:11:30
175
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