原创 熵、信息熵、交叉熵詳解

目錄 0 前言1 熵1.1 自信息和熵1.2 熵編碼1.3 聯合熵和條件熵2 互信息3 交叉熵 0 前言 信息論( Information Theory) 是數學、 物理、 統計、 計算機科學等多個學科的交叉領域。 信息論是由克勞

原创 python使用Neo4j圖數據庫——py2neo詳解(2)

目錄0 前言1 py2neo.database-Graph Databases2 GraphService3 Graph4 Transactions5 Cypher Results6 Errors & Warnings 0 前言

原创 python使用Neo4j圖數據庫——py2neo詳解(1)

目錄0 前言1 安裝2 py2neo.data2.1 Node和Relation對象2.2 Subgraph2.3 Path對象和其他Walkable類型2.4 Record對象2.5 Table對象 0 前言 Py2neo是一個

原创 python os模塊常用的29種方法詳解

目錄os.getcwd()os.chdir("dirname")os.curdiros.pardiros.makedirs('dirname1/dirname2')os.removedirs('dirname1')os.mkdir

原创 機器學習最易懂之決策樹(DecisionTree)模型詳解與python代碼實現

目錄0 前言1 決策樹模型2 決策樹模型的學習2.1 決策樹學習流程3 決策樹的特徵選擇準則3.1 信息增益3.2 信息增益比或者增益率3.3 基尼指數3.4 最小均方誤差4 決策樹的剪枝4.1 預剪枝4.2 後剪枝4.3 一種簡

原创 機器學習最易懂之線性迴歸模型的基本原理和python實現

文章目錄0、前言1、線性迴歸的概念1.1 線性迴歸的原理1.2 線性迴歸的一般形式:1.3 概率角度的詮釋爲什麼使用均方誤差?2、線性迴歸損失函數、代價函數與目標函數2.1 L1正則——Lassio迴歸2.2 L2正則——Ridg

原创 機器學習最易懂之EM算法詳解與python實現

文章目錄0、前言1、EM算法引入2、具體的EM算法3、EM算法推導3.1 Jensen不等式3.2 EM推導3.3 EM算法的收斂性4、EM算法在高斯混合模型中的應用4.1 高斯混合模型4.2 混合高斯分佈模型python實現5

原创 機器學習最易懂之貝葉斯模型詳解與python實現

文章目錄0、預備知識0.1 先驗概率、條件概率、後驗概率0.2 貝葉斯公式0.3 極大似然估計0.4 生成模型與判別模型1、樸素貝葉斯模型1.1 樸素貝葉斯的符號說明1.2 樸素貝葉斯的特徵條件獨立假設1.3 樸素貝葉斯模型推導1

原创 30天干掉tensorflow2.0-day16 數據管道DataSet

文章目錄五、TensorFlow的中階API數據管道Dataset一,構建數據管道1,從Numpy array構建數據管道2,從 Pandas DataFrame構建數據管道3,從Python generator構建數據管道4,從

原创 30天干掉tensorflow2.0-day07 自動微分機制

文章目錄自動微分機制一,利用梯度磁帶求導數二,利用梯度磁帶和優化器求最小值 自動微分機制 神經網絡通常依賴反向傳播求梯度來更新網絡參數,求梯度過程通常是一件非常複雜而容易出錯的事情。 而深度學習框架可以幫助我們自動地完成這種求梯度

原创 30天干掉tensorflow2.0-day19 模型層layers

文章目錄模型層layers一,內置模型層二,自定義模型層 模型層layers 深度學習模型一般由各種模型層組合而成。 tf.keras.layers內置了非常豐富的各種功能的模型層。例如, layers.Dense,layers.

原创 30天干掉tensorflow2.0-day13 Autograph的使用規範

AutoGraph的使用規範 有三種計算圖的構建方式:靜態計算圖,動態計算圖,以及Autograph。 TensorFlow 2.0主要使用的是動態計算圖和Autograph。 動態計算圖易於調試,編碼效率較高,但執行效率偏低。

原创 30天干掉tensorflow2.0-day04

目錄時間序列數據建模流程範例一,準備數據二,定義模型三,訓練模型四,評估模型五,使用模型六,保存模型 時間序列數據建模流程範例 國內的新冠肺炎疫情從發現至今已經持續3個多月了,這場起源於吃野味的災難給大家的生活造成了諸多方面的影響

原创 30天干掉tensorflow2.0-day12 張量的數學運算

張量的數學運算 張量的操作主要包括張量的結構操作和張量的數學運算。 張量結構操作諸如:張量創建,索引切片,維度變換,合併分割。 張量數學運算主要有:標量運算,向量運算,矩陣運算。另外我們會介紹張量運算的廣播機制。 本篇我們介紹張量

原创 30天干掉tensorflow2.0-day05

TensorFlow的核心概念 TensorFlow™ 是一個採用 數據流圖(data flow graphs),用於數值計算的開源軟件庫。節點(Nodes)在圖中表示數學操作,圖中的線(edges)則表示在節點間相互聯繫的多維數