發(fā)簡(jiǎn)信
IP屬地：河南
-
-
小編的Python學(xué)習(xí)交流群：579817333<br>微信公眾號(hào)：我愛學(xué)python
-
-
Python學(xué)習(xí)群：556370268<br>每晚8點(diǎn)群內(nèi)準(zhǔn)時(shí)直播，分享Python精品資料
-
python的basemap安裝
首先晦闰，了解自己的python版本氛濒，下載下面兩個(gè)文件，下載地址http://www.lfd.uci.edu/~gohlke/pythonlibs/ basemap?1.1.0?...
-
KNN
#-*-coding:utf-8 -*- from sklearn import datasets#導(dǎo)入內(nèi)置數(shù)據(jù)集模塊 from sklearn.neighbors impo...
-
dataframe小技巧
group_by_type_x=lastdata.groupby('col') 分組 a=(list(frame['col'].value_counts()).index)分...
-
隨機(jī)森林參數(shù)調(diào)優(yōu)及特征重要性
特征重要性 #檢測(cè)重要特征rf = RandomForestClassifier() rf.fit(X, y) f, ax = plt.subplots(figsize=(7...
-
MLPRegressor多層感知機(jī)
sklearn.neural_network.MLPRegressor(hidden_layer_sizes=(100,),activation='relu',solver=...
-
將代碼托管至github（轉(zhuǎn)自 python愛好者社區(qū)）
一鹅髓、下載Git 1.下載 下載地址: https://git-scm.com/download/win 根據(jù)你的操作系統(tǒng)選擇32位或者64位 2.安裝過程一路next 3.檢...
-
更換jupyter主題
打開Anaconda Prompt終端 輸入pip install --no-dependencies jupyterthemes==0.18.2 如下圖 安裝成功后輸入 j...
-
機(jī)器學(xué)習(xí)分類一些整理1、完整的機(jī)器學(xué)習(xí)建模流程 1. 實(shí)際問題抽象成數(shù)學(xué)問題 2. 獲取數(shù)據(jù) 3. 特征工程 4. 訓(xùn)練模型京景、診斷窿冯、調(diào)優(yōu) 5. 模型驗(yàn)證、誤差分析 6.模型融合 7. 上線運(yùn)行 ...
-
深度學(xué)習(xí)入門-day1
利用numpy從有到無建立一個(gè)三層神經(jīng)網(wǎng)絡(luò) init_network() 函數(shù)會(huì)進(jìn)行權(quán)重和偏置的初始化确徙，并將它們保存在字典變量 network 中 進(jìn)行權(quán)重和偏置的初始化醒串，并...
-
深度學(xué)習(xí)入門-softmax函數(shù)softmax函數(shù)（用于分類） softmax公式 上面的函數(shù)會(huì)出現(xiàn)溢出問題，就需要進(jìn)行一些改進(jìn)鄙皇，改進(jìn)方法如下 example softmax函數(shù)的輸出是0.0到1.0之間的...
-
配置jupyter同一個(gè)cell輸出多行
首先找到你的.ipython文件夾下的\profile_default文件夾芜赌，打開，按住shift并點(diǎn)擊鼠標(biāo)右鍵伴逸，在此處打開命令行缠沈，然后輸入： 此時(shí)該文件夾下多出兩個(gè)配置文件...
-
深度學(xué)習(xí)入門-手寫數(shù)字識(shí)別
輸出層的神經(jīng)元數(shù)量需要根據(jù)待解決的問題來決定。對(duì)于分類問題错蝴，輸出層的神經(jīng)元數(shù)量一般設(shè)定為類別的數(shù)量洲愤；對(duì)于回歸問題一般設(shè)為1. 前向傳播## **導(dǎo)入數(shù)據(jù)集，此案例是在本機(jī)下載...
-
利用jupyter notebook 運(yùn)行pyspark讀取oracle文件
后來設(shè)置conf.set("spark.jars","E:\ojdbc6.jar") 這句話時(shí)顷锰，一開始用的E:/ojdbc.jar柬赐，然后報(bào)錯(cuò)，后來竟然把/改成\就行了官紫，肛宋，州藕，不...
-
tensorflow筆記（張量、計(jì)算圖酝陈、會(huì)話）-mooc（北京大學(xué)）
基于tensorflow的NN床玻，用張量表示數(shù)據(jù)，用計(jì)算圖搭建神經(jīng)網(wǎng)絡(luò)后添，用會(huì)話執(zhí)行計(jì)算圖笨枯，優(yōu)化線上的權(quán)重（參數(shù)），得到模型遇西。 張量（tensor）：多維數(shù)組（列表）馅精，階（張量的...
-
tensorflow筆記（前向傳播）-mooc（北京大學(xué)）
神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)過程： 1.準(zhǔn)備數(shù)據(jù)集，提取特征粱檀，作為輸入洲敢，傳給神經(jīng)網(wǎng)絡(luò)2.搭建NN結(jié)構(gòu)，從輸入到輸出（先搭建計(jì)算圖茄蚯，再用會(huì)話執(zhí)行）（NN前向傳播算法——計(jì)算輸出）3.大量特征數(shù)...
-
tensorflow筆記（反向傳播）-mooc（北京大學(xué)）
反向傳播 反向傳播 訓(xùn)練模型參數(shù)压彭，在所有參數(shù)上用梯度下降，使NN模型在訓(xùn)練數(shù)據(jù)上的損失函數(shù)最小損失函數(shù)（loss）：預(yù)測(cè)值（y）與已知答案（）的差距均方誤差MSE：loss ...
