文章目录一，有监督学习与无监督学习二，Kmeans算法（一）Kmeans算法原理（二）Kmeans算法步骤（三）Kmeans的优化三，Kmeans优缺点四，例题 一，有监督学习与无监督学习有监督学习：有监督学习我们接触过很多，例如线性回归模型，我们给模型一个x，会得到一个与之对应的，目的是使我们所得到的结果与真实结果y越接近越好 。无监督学习：有很多数据并没有给定x所对应的真实结果y，这时候，只
转载
2024-09-10 20:33:14
37阅读
线性回归的keras实现导入必要的模块import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
import tensorflow as tf
from tensorflow.keras.models imp
转载
2024-04-03 20:17:56
83阅读
在本教程中，讲解 Keras 深度学习库中 LSTM 层的返回序列和返回状态的区别和结果。完成本教程后，您将了解：该返回序列返回每个输入时间步的隐藏状态输出。该返回状态返回最后一个输入时间步的隐藏状态输出和单元状态。可以同时使用返回序列和返回状态。本教程分为 4 个部分：长短期记忆返回序列返回状态返回状态和序列长短期记忆长短期记忆（LSTM）是一个由内门组成的循环神经网络。与其他循环神经
转载
2024-03-28 12:01:39
147阅读
"""监督学习常见的两类问题:
1.分类：预测值是离散的
2.回归：预测值是连续的"""
"""下面利用keras解决回归问题"""
import tensorflow as tf
import tensorflow.keras as keras
import numpy as np
"""数据加载:
采用keras内置的波士顿房价数据集，只含有506个样本
训练样本404个，测试样本102个
转载
2024-04-15 13:08:47
33阅读
import numpy as npnp.random.seed(1337)from keras.models import Sequential
原创
2022-08-01 20:21:56
64阅读
线性回归原理一般而言，房价会受很多因素的影响而波动，如果我们假设房价只与房产面积已经厅室数量有关系，可以看到房价、面积、厅室呈现以下数据： 房产数据 我们可以将价格y和面积x1、厅室数量x2的关系表示为f(x)=θ0+θ1x1+θ2x2，很显然，我们的目的是使得f(x)尽量等于y，这就是一个直观的线性回归的样式。线性回归的一般形式假设有数据集{(x1, y1), (x2, y2), ..
1. 回调函数的使用回调函数是一个函数的合集，会在训练的阶段中所使用。你可以使用回调函数来查看训练模型的内在状态和统计。你可以传递一个列表的回调函数（作为 callbacks 关键字参数）到 Sequential 或 Model 类型的 .fit() 方法。在训练时，相应的回调函数的方法就会被在各自的阶段被调用。2. keras支持的回调函数Callback用来组建新的回调函数的抽象基类。kera
转载
2024-10-09 08:26:51
40阅读
昨天介绍了数据库的配置，今天继续介绍系统的初始化功能；针对系统初始化在开发中也是很重要的一部分，它可以提前将相关数据提前自动初始化到系统中，同时也可以为上线测试提供方便，可以很方便进行系统测试演练，防止人为处理带来的隐患并且可以节省大量部署时间。 本框架中系统初始化包含数据库（包括默认库和自定义库）初始化、数据表初始化
参考文章： 《Python大战机器学习》（不好，就是官方文档的中文版再加上几个简单的例子）数据挖掘十大算法–K近邻算法机器学习笔记—KNN算法常用样本相似性和距离度量方法KNN（K近邻法）
输入为实例的特征向量，计算新数据与训练数据之间的距离，选取K个距离最近的数据进行分类或回归判断对于分类问题:输出为实例的类别。分类时，对于新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。
转载
2024-05-26 21:33:11
49阅读
K近邻法(k-nearest neighbors,KNN) K近邻法(k-nearest neighbors,KNN)是一种很基本的机器学习方法了，在我们平常的生活中也会不自主的应用。比如，我们判断一个人的人品，只需要观察他来往最密切的几个人的人品好坏就可以得出了。这里就运用了KNN的思想。KNN方法既可以做分类，也可以做回归，这点和决策树算法相同。 KNN做回归和分类的主要区别在于最后做预测
转载
2024-03-27 17:51:54
64阅读
从这篇博客开始机器学习最大的一块——分类（有监督学习），并以KNN做为开篇。（当然KNN也可用做回归）K近邻(K-nearst neighbors, KNN)是一种基本的机器学习算法，所谓k近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。比如：判断一个人的人品，只需要观察与他来往最密切的几个人的人品好坏就可以得出，即“近朱者赤，近墨者黑”；KNN算法既可以应用于分类
转载
2024-03-26 18:16:23
52阅读
一.transform运行机制1.transform在什么模块里?trochvision-计算机视觉工具包,内涵: torchvision.transforms(提供常用的图像预处理方法); Torchvis
转载
2024-08-08 11:25:53
120阅读
使用 tensorflow.keras 进行线性回归1. 加载数据2. 可视化数据3. 创建模型4. 开始训练5. 使用训练好的模型进行预测6. 完整源代码附录1. 关于 全连接层[`tf.keras.layers.Dense()`](https://tensorflow.google.cn/api_docs/python/tf/keras/layers/Dense?hl=zh-CN)1. 关于
转载
2024-08-10 20:23:13
61阅读
很简单的CNN实现，依旧用mnist作为训练集与测试集 不懂看注释吧上代码：#CNN
#深度学习出现之前借助SIFT、HOG等算法提取良好特征，集合SVM等算法进行图像识别
#深度学习将特征提取和分类训练结合在一起，分类时自动提取特征
#CNN可以使用图像的原始像素作为输入
#神经认知机中包含两类神经元：S-cells和C-cells
#S-cells对应主流卷积神经网络的卷积核滤波操作
#C-c
转载
2024-09-11 22:21:36
47阅读
淘宝上面关于keras的书月销量最多5本，惨不忍睹，怎么大家都不关心预测未来的事吗？
原创
精选
2022-04-19 11:42:34
2343阅读
点赞
import keras from keras.layers import Densefrom keras.models import Sequentialimport numpy as npimport matplotlib.pyplot as pltx_data = np.random.rand(100)noise = np.random.normal(0,0.01,x_dat...
原创
2022-09-09 10:26:12
146阅读
1、逻辑回归与线性回归的联系与区别 Logistic回归与多重线性回归实际上有很多相同之处，最大的区别就在于它们的因变量不同，其他的基本都差不多。正是因为如此，这两种回归可以归于同一个家族，即广义线性模型。但是一般的线性回归是不应用在分类问题之上的。而逻辑回归则可以面对一个回归或者分类问题，建立代价函数求解出最优的模型参数。而逻辑回归虽然名字里带有“回归”两字，但是实质上是一个分类方法。
转载
2024-04-16 21:03:46
73阅读
如何将原始数据转换为合适处理时序预测问题的数据格式
如何准备数据并搭建LSTM来处理时序预测问题
如何利用模型预测
1.使用数据来源该数据集来自kaggle竞赛的空气质量数据集 数据集来源数据集包括日期、PM2.5浓度、露点、温度、风向、风速、累积小时雪量和累积小时雨量。原始数据中完整的特征如下：noenglishchinese1.No行数2.year年3.month月4.day日5.hour小
转载
2024-05-13 16:17:45
36阅读
#使用SepalLengthCm、SepalWidthCm、PetalLengthCm预测PetalWidthCm
import numpy as np
import pandas as pd
data = pd.read_csv("iris.csv")
#去掉不需要的id列和Species列
data.drop(['id','Species'],axis=1,inplace=True)
#去
转载
2024-04-12 06:31:24
40阅读
from keras.layers import Densefrom keras.models
原创
2022-08-11 10:08:33
55阅读
