2.1 数据集 目标 知道数据集的分为训练集和测试集 会使用sklearn的数据集 2.1.1 可用数据集 Kaggle网址：https://www.kaggle.com/datasets UCI数据集网址： http://archive.ics.uci.edu/ml/ scikit-learn网址 ...
分类：
其他好文 时间：
2021-07-19 16:53:01
阅读次数：
0
python将数据快速分成训练集和测试集 参考博客： python将一个文件夹下图片按比例分在两个文件夹下_qq_32039433的博客-CSDN博客 代码如下： 神经网络模型训练时得到的数据并没有分成测试集和训练集，所以需要自己按比例进行分割，如下是进行的按照3：7进行数据分割python代码。 ...
分类：
编程语言 时间：
2021-06-29 15:29:56
阅读次数：
0
图像分类train.py代码总结 前两天，熟悉了图像分类的训练代码，发现，不同网络，只是在网络结构上不同。而训练部分的代码，都是由设备选择、数据转换，路径确定、数据导入、JSON文件生成、损失函数选择、优化器选择、模型带入和训练集数据和测试集数据训练固定几部分组成的。 其中的模型是根据自己选择的不同 ...
分类：
其他好文 时间：
2021-06-18 18:50:14
阅读次数：
0
前言 机器学习中，我们不能将全部数据用于模型训练，否则将没有数据集对模型进行验证，从而无法评估模型的预测效果。 验证集方法 整个数据集分成两部分：一部分用于训练，一部分用于验证，即训练集（training set）和测试集（test set）。 如上图所示，将左侧数据作为训练集（包含7、22、13等 ...
分类：
其他好文 时间：
2021-05-24 15:36:16
阅读次数：
0
Numpy实现K折交叉验证的数据划分 本实例使用Numpy的数组切片语法，实现了K折交叉验证的数据划分 背景：K折交叉验证 为什么需要这个？在机器学习中，因为如下原因，使用K折交叉验证能更好评估模型效果： 样本量不充足，划分了训练集和测试集后，训练数据更少； 训练集和测试集的不同划分，可能会导致不同 ...
分类：
其他好文 时间：
2021-05-04 15:39:17
阅读次数：
0
一、线性回归 一、线性回归 ? 假设有数据有 ，其中 , 。其中m为训练集样本数，n为样本维度，y是样本的真实值。线性回归采用一个多维的线性函数来尽可能的拟合所有的数据点，最简单的想法就是最小化函数值与真实值误差的平方（概率解释-高斯分布加最大似然估计）。即有如下目标函数： 其中线性函数如下： ? ...
分类：
其他好文 时间：
2021-04-28 12:19:06
阅读次数：
0
有监督学习的一般流程： 过拟合问题：所选模型对已知数据预测得很好，但对未知数据预测很差。 模型选择的方法： ①正则化：把对已知数据的训练误差和模型复杂度降到最小。 ②交叉验证，数据比较少时，将数据集随机切分，组合为训练集和测试集。 Scikit-learn ...
分类：
其他好文 时间：
2021-01-27 14:02:50
阅读次数：
0
1. 使用八股搭建神经网络 1.1 、 用Tensorflow API: tf.keras 搭建神经网络八股 六步法： import import相关模块，比如 import tensorflow as tf train, test 告知要喂入网络的训练集和测试集是什么 也就是要指定训练集的输入特征 ...
分类：
其他好文 时间：
2021-01-27 13:05:18
阅读次数：
0
1、criterion: 特征选取标准。 默认：gini。 可选gini（基尼系数）或者entropy（信息增益）。 1.1 选择entropy，则是ID3或C4.5算法。 ID3算法原理： a 计算训练集所有样本的信息熵。 b 计算每一特征分类后的信息增益。 c 选择信息增益最大的特征进行分类，得 ...
分类：
其他好文 时间：
2021-01-06 12:02:48
阅读次数：
0
k近邻（k-NearestNeighbor，简称kNN）学习是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于k个“邻居”的信息来进行预测。1.最近邻检索（NearestNeighborSearch）最近邻检索就是根据数据的相似性，从数据库中寻找与目标数据最相似的项目。这种相似性通常会被量化到空间上数据之间的距离，可以认为数据
分类：
其他好文 时间：
2021-01-02 11:38:02
阅读次数：
0
