原创 《神經網絡和深度學習 學習筆記》(一)運行TensorFlow
文章目錄 第9章 運行TensorFlow 1 簡介和安裝 2 創建一個計算圖並在會話中執行 3 管理圖 4 節點值的生命週期 5 TensorFlow中的線性迴歸 6 實現梯度下降
原创 《機器學習實戰 學習筆記》(三):練習題(第2章 端到端的機器學習項目)
第2章練習題 1.使用不同的超參數,如kernel=“linear”(具有C超參數的多種值)或kernel=“rbf”(C超參數和gamma超參數的多種值),嘗試一個支持向量機迴歸器,不用擔心現在不知道這些超參數的含義。最好的SV
原创 jieba分詞詞性標註
1.jieba可對分詞後的單詞進行詞性標註,比如動詞、名詞還是形容詞等等。詞性類別詳細列表: 2.工具庫調用 import jieba.analyse as analyse analyse.textrank(content,
原创 ---------------站內導航【算法和機器學習】---------------
站內導航 算法及原理 劍指offer刷題彙總 機器學習實戰(學習筆記)
原创 《機器學習實戰 學習筆記》(七):訓練模型練習題
1. 如果訓練集特徵超過百萬個,你會選擇什麼線性迴歸訓練算法? 隨機梯度下降或小批量梯度下降,內存允許的話也可以用批量梯度下降。由於計算複雜度隨着特徵數量的增加而加速提升(比二次方高),所以不能使用標準方程。 2.如果訓練
原创 張量詳解(Tensor)
張量--->blog 也許你已經下載了TensorFlow,而且準備開始着手研究深度學習。但是你會疑惑:TensorFlow裏面的Tensor,也就是“張量”,到底是個什麼鬼?也許你查閱了維基百科,而且現在變得更加困惑。也
原创 深度學習優化算法演變
原標題:Adam那麼棒,爲什麼還對SGD念念不忘 (一)一個框架看懂優化算法 “ 說到優化算法,入門級必從 SGD 學起,老司機則會告訴你更好的還有AdaGrad / AdaDelta,或者直接無腦用 Adam。可是看看學術界
原创 自然語言處理(NLP)算法分類總結
文章目錄目錄〇、推薦一、人工智能學習算法分類1. 純算法類2.建模方面二、詳細算法1.分類算法2.迴歸算法3.聚類算法4.降維算法5.概率圖模型算法6.文本挖掘算法7.優化算法8.深度學習算法三、建模方面1.模型優化·2.數據預
原创 《機器學習實戰 學習筆記》(五):練習題(第3章 分類)
第3章練習題 1. 爲MNIST數據集構建一個分類器,並在測試集上達成超過97%的精度。(提示:KNeighborsClassifier 對這個任務非常有效,只要找到合適的超參數即可,試試weight和n_neighbors這兩個
原创 《機器學習實戰 學習筆記》(二):端到端的機器學習項目
文章目錄 第2章 端到端的機器學習項目 1 使用真實數據( 加州房價預測 ) 1.1 流行的各個領域的開放數據集存儲庫 2 觀察大局 2.1 框架問題 2.2 選擇性能指標
原创 《神經網絡和深度學習 學習筆記》(二)人工神經網絡簡介
文章目錄 第10章 人工神經網絡簡介 1 從生物神經元到人工神經元 1.1 生物神經元 1.2 具有神經元的邏輯計算 1.3 感知器 1.4 多層感知器和反向傳播 2
原创 圖計算介紹及其應用
1.圖計算介紹 最近在看TensorFlow,tf首先會構建一個計算圖,然後纔會執行這個圖。由此,我感覺圖計算算法比較重要,不管是面試還是各種應用場景,網上看到一篇讓我豁然開朗的文章,在這裏記錄下。 2.圖計算
原创 《機器學習實戰 學習筆記》(六):訓練模型
文章目錄 第4章 訓練模型 1 線性迴歸 1.1 標準方程 1.2 計算複雜度 2 梯度下降 2.1 批量梯度下降 2.2 隨機梯度下降 2.3 小批量梯
原创 《機器學習實戰 學習筆記》(四):分類
文章目錄 第3章 分類 1 MINIST 2 訓練一個二元分類器 3 性能考覈 3.1 使用交叉驗證測量精度 3.2 混淆矩陣 3.3 精度和召回率 3.4 精
原创 《機器學習實戰 學習筆記》(一):機器學習介紹
文章目錄 第1章 機器學習介紹 1 什麼是機器學習 2 爲什麼要使用機器學習 3 機器學習的種類 3.1 監督式/無監督式學習 3.1.1 常用有監督學習算法 3.