| | | | |

2019年12月29日

摘要： 1 # 会话执行op的类 2 # 本质：连接前台程序与底层C++代码的纽带 3 # 两种形式 4 # tf.Session() ：用于完整的程序中 5 # tf.InteractiveSession() ：应用于交互环境 6 7 # 会话使用--完整流程 8 # 1、会话初始化 9 # __ini 阅读全文

posted @ 2019-12-29 20:18 可西可彻阅读(229) 评论(0) 推荐(1)

【深度学习】TensorFlow——初识tensorflow

摘要： 1 import tensorflow as tf 2 3 # op 指令 4 # op指令 5 # 返回tensor 里面包含的op名称为op指令空间内的名称 6 # 名称不允许重复，如果重复，+_i来加以区别 7 # 可以通过构建op的时候，来指定name参数来修改op在指令空间内的名称 8 9 阅读全文

posted @ 2019-12-29 20:17 可西可彻阅读(272) 评论(0) 推荐(1)

【机器学习】量化策略

摘要： 1 # 可以自己import我们平台支持的第三方python模块，比如pandas、numpy等。 2 import numpy as np 3 from sklearn.linear_model import LinearRegression 4 5 6 # 在这个方法中编写任何的初始化逻辑。co 阅读全文

posted @ 2019-12-29 20:16 可西可彻阅读(585) 评论(0) 推荐(1)

【机器学习】数据降维

摘要： 1 import pandas as pd 2 from sklearn.decomposition import PCA 3 4 # 以detail 为例实现数据降维 5 # 加载数据 6 7 detail = pd.read_excel("../day05/meal_order_detail.x 阅读全文

posted @ 2019-12-29 20:14 可西可彻阅读(190) 评论(0) 推荐(1)

【机器学习】基于逻辑回归的癌症预测案例

摘要： 1 import pandas as pd 2 import numpy as np 3 from sklearn.preprocessing import StandardScaler # 标准化 4 from sklearn.model_selection import train_test_s 阅读全文

posted @ 2019-12-29 20:12 可西可彻阅读(1782) 评论(1) 推荐(1)

【机器学习】基于线性回归的波士顿房价预测

摘要： 1 import pandas as pd 2 from sklearn.datasets import load_boston # 波士顿房价数据 3 from sklearn.model_selection import train_test_split # 拆分数据集 4 from sklea 阅读全文

posted @ 2019-12-29 20:07 可西可彻阅读(4011) 评论(0) 推荐(1)

【机器学习】词云（wordcloud）统计词的重要性

摘要： 1 from wordcloud import WordCloud,ImageColorGenerator 2 import matplotlib.pyplot as plt 3 import jieba 4 from PIL import Image 5 import numpy as np 6 阅读全文

posted @ 2019-12-29 20:05 可西可彻阅读(576) 评论(0) 推荐(1)

【机器学习】朴素贝叶斯文本分类案例

摘要： 1 import pandas as pd 2 from sklearn.feature_extraction.text import CountVectorizer 3 import jieba 4 import numpy as np 5 from sklearn.naive_bayes imp 阅读全文

posted @ 2019-12-29 20:04 可西可彻阅读(711) 评论(1) 推荐(1)

【机器学习】统计词数与词的重要性

摘要： 1 from sklearn.feature_extraction.text import CountVectorizer 2 from sklearn.feature_extraction.text import TfidfVectorizer 3 import jieba 4 5 content 阅读全文

posted @ 2019-12-29 20:03 可西可彻阅读(242) 评论(0) 推荐(1)

【机器学习】knn优化

摘要： 1 import pandas as pd 2 import numpy as np 3 import matplotlib.pyplot as plt 4 import os 5 from sklearn.neighbors import KNeighborsClassifier # knn分类阅读全文

posted @ 2019-12-29 20:01 可西可彻阅读(749) 评论(0) 推荐(1)

2019年12月29日

公告