原创 tensorflow - mnist入門實例
# -*- coding: utf-8 -*- ''' 數據特徵:每個手寫數據都是28 * 28 = 784個數據點,55000個數據點; 類別:一個10維度的向量,那個位置是1代表數據點是哪個類別 -one-hot編碼; ''' im
原创 Regression,model select,gradient descent,overfitting,regularization學習入門
點贊 收藏 分享 文章舉報 curious_girl 發佈了28 篇原創文章 · 獲贊 20 · 訪問量 6萬+ 私信
原创 python 垃圾回收機制
點贊 收藏 分享 文章舉報 curious_girl 發佈了28 篇原創文章 · 獲贊 20 · 訪問量 6萬+ 私信
原创 python 深拷貝與淺拷貝理解
最近在回顧python編程理論知識,記錄筆記,免得忘記~ ------------------------------------------------------淺拷貝------------------------------
原创 機器學習,模型誤差分析,error,bias,variance
點贊 收藏 分享 文章舉報 curious_girl 發佈了28 篇原創文章 · 獲贊 20 · 訪問量 6萬+ 私信
原创 SVM入門實例可運行python代碼完整版(簡單可視化)
運行環境 anaconda python 版本 2.7.13 包含詳細數據集和數據的使用,可視化結果,很快入門,代碼如下 # -*- coding: utf-8 -*- __author__ = 'LinearSVC線性分類支持向量機
原创 logistic Regression 存在的限制 與 解決辦法
logistic Regression存在的限制:(所有圖來源於Bishop) Problem:對於logistic Regression解決分類問題,分類邊界是一條直線,但是當存在某些數據,會找不到一條直線分界,怎麼辦呢? Solve:
原创 神經網絡方法數據標籤處理LabelEncoder
本文介紹一個簡單的編碼轉換方式。對不連續的標籤編碼成向量表示。 這個方法,用在神經網絡實現分類任務時比較常見,對於神經網絡輸出層,輸出一個向量,可以定義哪個維度是1,就代表是哪個類別。 #導包 from sklearn.preproce
原创 2017校招真題1 星際穿越
c++ 題目代碼很少,主要是如何在O(1)時間輸出滿足要求的這個數字。注意數據範圍,本題選擇long。題目描述和代碼如下:#include<iostream>#include<math.h>using namespace std;int
原创 機器學習 python 交叉驗證實例
點贊 收藏 分享 文章舉報 curious_girl 發佈了28 篇原創文章 · 獲贊 20 · 訪問量 6萬+ 私信
原创 TSNE()參數解釋+使用方法+莫煩tensorflow CNN/TSNE可視化
TSNE即t-distributed Stochastic Neighbor Embedding.使用方法:tsne = TSNE(perplexity=30, n_components=2, init='pca', n_iter=500
原创 莫煩tensorflow Batch Normalization總結與tf.identity()/EMA功能
代碼來源於莫煩tensorflow Batch Normalization一節。我添加了一些註釋(自己的理解),添加了一些函數的功能介紹。# 對輸入的分散的數據要統一數據規格,這樣神經網絡可以更好的學習數據的規律,因爲數據分佈對神經網絡是
原创 神經網絡測試結果很差,該怎麼做?
當我們編程實現了神經網絡模型,將模型用於測試集時,經常會發現測試的準確率非常的低,神經網絡層數很深,通常我們不容易判斷具體的梯度下降求解參數的過程,那我們該怎麼辦呢?我從李宏毅的機器學習視頻中總結的辦法!!小程序親身體驗過!首先要明白,測
原创 python bisect 二分查找 網易答題 牛牛選工作
python bisect使用,總結一下三條:1. Python中的bisect用於操作排序的數組,比如你可以在向一個數組插入數據的同時進行排序。2. 用來查找某值大於等於、小於等於、等於列表中元素位置下標。 解決牛牛找工作問題。3. 實
原创 tensorflow MNIST autoencoder完整代碼+tsne降維可視化
#來源於莫煩tensorflow視頻中學習# -*- coding: utf-8 -*-"""autoencoder mnist can runningautoencoder自定義實現,未直接調用函數,顯示autoencoder結果與原來