![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 76
退堂鼓一级演员
菜鸡
展开
-
英特尔OneAPI介绍
简要介绍了oneAPI的发布背景与工具原创 2022-12-06 17:57:10 · 1467 阅读 · 1 评论 -
numpy 矩阵的逗号与冒号的使用方法
逗号:分隔行列,前面为行操作后面为列操作。冒号:在每个行列中的操作,操作方法相当于python的切片操作。总之,在使用的时候,首先找逗号分隔行列,然后在每个行列进行切片操作。如:A[1:3,2:4]取1到3行(不含第三行),2到4列(不含第四列)的数据,先找逗号分隔1:3与2:4,然后行操作对应1:3,列操作对应2:4,这样就读懂了矩阵操作。...原创 2020-08-08 22:36:01 · 4065 阅读 · 1 评论 -
Google 机器学习编程笔记九——逻辑回归与分类代码
由于时间间隔比较长了,在这次博客里需要复习一下代码from __future__ import print_functionimport mathfrom IPython import displayfrom matplotlib import cmfrom matplotlib import gridspecfrom matplotlib import pyplot as plt...原创 2020-02-11 20:07:38 · 233 阅读 · 0 评论 -
Google 机器学习编程笔记八——分类理论基础
基础概念:1、分类阈值逻辑回归返回的是概率。 您可以“原样”使用返回的概率(例如,用户点击此广告的概率为 0.00023),也可以将返回的概率转换成二元值(例如,这封电子邮件是垃圾邮件)。如果某个逻辑回归模型对某封电子邮件进行预测时返回的概率为 0.9995,则表示该模型预测这封邮件非常可能是垃圾邮件。相反,在同一个逻辑回归模型中预测分数为 0.0003 的另一封电子邮件很可能不是垃圾邮件。...原创 2020-02-11 14:41:16 · 496 阅读 · 0 评论 -
Google 机器学习编程笔记七——逻辑回归简介
1、逻辑回归:许多问题需要将概率估算值作为输出。逻辑回归是一种极其高效的概率计算机制。 实际上,您可以通过下两种方式之一使用返回的概率:“按原样”(连续型输出)转换成二元类别。(离散型输出)我们来了解一下如何“按原样”使用概率。假设我们创建一个逻辑回归模型来预测狗在半夜发出叫声的概率。我们将此概率称为:p(bark | night)如果逻辑回归模型预测 p(bark | nig...原创 2020-01-25 14:21:21 · 106 阅读 · 0 评论 -
Google 机器学习编程笔记六——正则化
首先引入一些基础概念:1、L2正则化图中显示的是某个模型的训练损失逐渐减少,但验证损失最终增加。换言之,该泛化曲线显示该模型与训练集中的数据过拟合。根据奥卡姆剃刀定律,或许我们可以通过降低复杂模型的复杂度来防止过拟合,这种原则称为正则化。也就是说,并非只是以最小化损失(经验风险最小化)为目标,而是以最小化损失和复杂度为目标,这称为结构风险最小化:现在,我们的训练优化算法是一个由两项内容...原创 2020-01-24 16:00:18 · 270 阅读 · 0 评论 -
Google 机器学习编程笔记五——特征组合将非线性问题线性解决
首先是包与函数的设置,可以在 Google 机器学习编程笔记三——回归模型的验证中找到代码的相关注释内容from __future__ import print_functionimport mathfrom IPython import displayfrom matplotlib import cmfrom matplotlib import gridspecfrom matp...原创 2020-01-08 23:12:53 · 434 阅读 · 0 评论 -
Google 机器学习编程笔记四——良好特征集构建
首先引入一些比较重要的概念**特征工程概念:将原始数据转换为特征矢量。许多机器学习模型都必须将特征表示为实数向量,因为特征值必须与模型权重相乘。特征工程分类:1、映射数值:直接取值,不需要特殊编码2、映射分类:需要特殊编码。分类特征具有一组离散的可能值。如:{‘Charleston Road’, ‘North Shoreline Boulevard’, ‘Shorebird Way...原创 2020-01-08 15:35:56 · 609 阅读 · 0 评论 -
Google 机器学习编程笔记三——回归模型的验证
预设置from __future__ import print_functionimport mathfrom IPython import displayfrom matplotlib import cmfrom matplotlib import gridspecfrom matplotlib import pyplot as pltimport numpy as npim...原创 2020-01-07 16:50:03 · 511 阅读 · 0 评论 -
Google 机器学习编程笔记二——第一次构建线性回归模型
预设:导入相关包,设置相关数据(这里借鉴了这位博主的笔记,很详实Google TensorFlow课程 编程笔记(2)———使用TensorFlow的基本步骤)from __future__ import print_functionfrom IPython import display #display模块可以决定显示的内容以何种格式显示from matplotlib import ...原创 2020-01-06 19:54:32 · 454 阅读 · 0 评论 -
Google 机器学习编程笔记一——Pandas基础用法
首先介绍Pandas的基础用法:1、基础概念:pandas 中的主要数据结构被实现为以下两类:DataFrame,您可以将它想象成一个关系型数据表格,其中包含多个行和已命名的列。Series,它是单一列。DataFrame 中包含一个或多个 Series,每个 Series 均有一个名称。2、文件读取:#read_csv方法将链接的数据文件导入california_housing...原创 2020-01-06 16:11:41 · 116 阅读 · 0 评论