龙哥盟

5.1 循环神经网络（时间序列）循环神经网络（RNN）用于建模带有时间关系的数据。它的架构是这样的。在最基本的 RNN 中，单元（方框）中的操作和全连接层没什么区别，都是线性变换和激活。它完全可以看做多个全连接层的横向扩展。但是操作数量多了之后，就会有梯度消失和爆炸的问题，于是人们改良了 RNN 单元，添加了精巧的结构来避免这样问题。这是 RNN 的几种改良结构：操作步骤导入所需的包...

4.2 多层感知机回归（时间序列）这篇教程中，我们使用多层感知机来预测时间序列，这是回归问题。操作步骤导入所需的包。import tensorflow as tfimport numpy as npimport pandas as pdimport matplotlib as mplimport matplotlib.pyplot as plt导入数据，并进行预处理。我们使用国...

2.3 支持向量分类（高斯核）遇到非线性可分的数据集时，我们需要使用核方法，但为了使用核方法，我们需要返回到拉格朗日对偶的推导过程，不能简单地使用 Hinge 损失。操作步骤导入所需的包。import tensorflow as tfimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltim...

将上一节的假设改一改，模型就可以用于回归问题。操作步骤导入所需的包。import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport sklearn.datasets as dsimport sklearn.model_selection as ms导入数据，并进行预处理。我们使用鸢尾花数...

在传统机器学习方法，支持向量机算是比较厉害的方法，但是计算过程非常复杂。软间隔支持向量机通过减弱了其约束，使计算变得简单。操作步骤导入所需的包。import tensorflow as tfimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltimport sklearn.datasets a...

1.4 Softmax 回归Softmax 回归可以看成逻辑回归在多个类别上的推广。操作步骤导入所需的包。import tensorflow as tfimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltimport sklearn.datasets as dsimport sklear...

1.3 逻辑回归将线性回归的模型改一改，就可以用于二分类。逻辑回归拟合样本属于某个分类，也就是样本为正样本的概率。操作步骤导入所需的包。import tensorflow as tfimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltimport sklearn.datasets as d...

1.2 LASSO、岭和 Elastic Net当参数变多的时候，就要考虑使用正则化进行限制，防止过拟合。操作步骤导入所需的包。import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport sklearn.datasets as dsimport sklearn.model_select...

1.1 线性回归线性回归是你能用 TF 搭出来的最简单的模型。操作步骤导入所需的包。import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltimport sklearn.datasets as dsimport sklearn.model_selection as ms导入数据，并进行预处理...

4.1 多层感知机（分类）这篇文章开始就是深度学习了。多层感知机的架构是这样：输入层除了提供数据之外，不干任何事情。隐层和输出层的每个节点都计算一次线性变换，并应用非线性激活函数。隐层的激活函数是压缩性质的函数。输出层的激活函数取决于标签的取值范围。其本质上相当于广义线性回归模型的集成。操作步骤导入所需的包。import tensorflow as tfimport numpy a...