均值漂移非常類(lèi)似于 KMeans 算法粘勒，除了一個(gè)很重要的因素峻堰，你不需要指定分組的數(shù)量五鲫。均質(zhì)漂亮算法自己尋找簇她紫。出于這個(gè)原因祖今，它比起 KMeans...

我們使用均值漂移歧斟，繼續(xù)聚類(lèi)和非監(jiān)督學(xué)習(xí)的話題紧武，這次將其用于我們的泰坦尼克數(shù)據(jù)集击你。 這里有一些隨機(jī)度玉组，所以你的結(jié)果可能并不相同，然而你可以重新運(yùn)行...

均值漂移算法丁侄。 目前為止的代碼： 這個(gè)代碼能夠工作惯雳，但是我們決定硬編碼的半徑不好。我們希望做一些更好的事情鸿摇。首先石景，我們會(huì)修改我們的__init_...

教程用于安裝 TensorFlow， 如果你有 Mac 或者 Linux，你不需要這個(gè)教程鸵钝，只需訪問(wèn)TensorFlow.org > get s...

像 TensorFlow 和 Theano 這樣的庫(kù)不僅僅是深入學(xué)習(xí)庫(kù)糙臼，它們是用于深入學(xué)習(xí)的庫(kù)。 他們實(shí)際上只是數(shù)值處理庫(kù)恩商，就像 Numpy 一...

我們首先使用 MNIST 數(shù)據(jù)集变逃，該數(shù)據(jù)集包含 6 萬(wàn)個(gè)手寫(xiě)和標(biāo)記數(shù)字訓(xùn)練樣本和 10,000 個(gè)的測(cè)試樣本，0 到 9怠堪，因此共有 10 個(gè)“分...

我們打算從零構(gòu)建我們自己的 KMeans 算法揽乱。之前提到過(guò) KMeans 算法的步驟。 選擇 K 值粟矿。 隨機(jī)選取 K 個(gè)特征作為形心凰棉。 計(jì)算所有...

首先，約束優(yōu)化的話題很多陌粹，也有很多材料撒犀。即使是我們的子話題：凸優(yōu)化，也是很龐大的掏秩。一個(gè)不錯(cuò)的起始點(diǎn)是 https://web.stanford....

我們已經(jīng)了解了回歸或舞，甚至編寫(xiě)了我們自己的簡(jiǎn)單線性回歸算法。并且蒙幻，我們也構(gòu)建了判定系數(shù)算法來(lái)檢查最佳擬合直線的準(zhǔn)確度和可靠性映凳。我們之前討論和展示過(guò)...