# coding=utf-8import pandas as pdimport matplotlib.pyplot as pltimport numpy as n
win10环境下，基于anaconda的一套实验环境一、问题描述如下图在调用时遇到I
import matplotlib.pyplot as pltimport numpy as npfrom sklearn import datasetsimport pandas as pd''' 房子大小与price的关系'''import randomhouse_size = [random.randrange(70,200) for i in range(10...
万事开头难，刚接触迁移学习，网上的资料水平又良莠不齐，在一时间没能找到合适的学习资料，幸得老师为我们寻找了最新的也非
上篇文章对cnn进行了一些介绍，附了完整小例子代码，介绍了一部分函数概念，但是对我这样的新手来说，代码中涉及的部分
一、Word2VecWord2Vec（Word Embeddings)——词向量/词嵌入是一个可以将语言中字词转化为向量形式表达
1. 导入from sklearn import datasetsdigits = datasets.load_digits()122. 属性查看digits: bunch类型print digits.keys()['images', 'data', 'target_names', 'DESCR', 'target']1233. 具体数据1797个样本，每个样本包括8*8像素的图像和一个[0...
一、递归神经网络（RRN） 传统的神经网络，只是在深度上进行多层连接，层与层之间具有连接，但是在同层的内部节点之间没有
错误分析：主要是由于同时采用了tensorflow和keras的函数，而二者返回的数
使用sklearn的DecisionTreeRegressor解决分类问题实例。数据集描述 数据
第三章 经典算法–支持向量机SVM的第一个问题：对于任意线性可分的两组点，在SVM分类的超平面上的投影都是线性不可
在sklearn 模型训练是出现如下报错：‘ValueError: Unknown label type: ‘unknown’’该怎么解决？意思是类型不匹配,需要将字符串数组转换为数值型;以fit为例：train_y后加上astype(‘int’)即可gbdt.fit(train_x,train_y.astype(‘int’))...
存在即合理，欢迎补充，拍砖KNN优点简单好用，容易理解，精度高，理论成熟，既可以用来做分类也可以用来做回归； 可用表现很好，适合多分类任务，适合...
文章目录0 笔记说明1 背景介绍1.1 频率派1.2 贝叶斯派2 公式推导3 符号修正4 SGVI0 笔记说明。注意：本笔记主要是为了方便自己日后复习学习，而且确实是本人亲手一个字一个公式手打，如果遇到复杂公式，由于未学习LaTeX，我会上传手写图片代替（手机相机可能会拍的不太清楚，但是我会尽可能使内容完整可见），因此我将博客标记为【原创】，
本博客为（系列一）的笔记，对应的视频是：【(系列一) 绪论-资料介绍】、【(系列一) 绪论-频率派vs贝叶斯派】。
本博客为（系列二）的笔记，对应的视频是：【(系列二) 数学基础-概率-
本博客为（系列四）的笔记，对应的视频是：【(系列四) 线性分类1-背景】、【(系列四) 线
本博客为（系列五）的笔记，对应的视频是：【(系列五) 降维1-背景】、【(系列五) 降
本博客为（系列十一）的笔记，对应的视频是：【(系列十一) 高斯混合模型1-模型介
本博客为（系列十）的笔记，对应的视频是：【(系列十) EM算法1-算法收敛性证明】、
应用于PERG的信号处理和机器学习工具可以帮助临床决策MDD的诊断和随访，以测量治疗反应。
（本文阅读时间：7分钟）机器学习的整个流程分为训练、测试、预测三个要素，上次分享（Salary）之间存在着近似线性的关系。...
转载自：PRML Research Group编辑：一点人工一点智能原文：多视图机器学习的宏观发展趋势多视图学习也称为多视角学习（Multi-view Learning），其研究主旨在于如何通过对视图间相互关系的建模与发掘，建立视图间的正则化约束或概率依赖关系，最终增强学习系统的性能。在现实应用问题中，同一事物或对象存在不同角度和不同途径的描述形式，这些不同的描述就构成了事物的不同视图
@toc模型介绍输入空间：\mathcal{X}\subseteq\boldsymbolR^n输入：x=(x^{(1)},x^{(2)},\cdots,x^{(n)})^T\in\mathcal{X}输出空间：\mathcal{Y}=\{+1,1\}输出：y\in\mathcal{Y}感知机：f(x)=\text{sign}(w\cdotx+b)=\begin{cases}+1,\quadw\cd
AttributeError: module ‘tensorflow._api.v1.keras.losses‘ has no attribute ‘SparseCategoricalCrossent
AttributeError: module 'tensorflow._api.v1.keras.losses' has no attribute 'SparseCategori