5.1 循環神經網絡(時間序列) 循環神經網絡(RNN)用于建模帶有時間關系的數據。它的架構是這樣的。 在最基本的 RNN 中,單元(方框)中的...

5.1 循環神經網絡(時間序列) 循環神經網絡(RNN)用于建模帶有時間關系的數據。它的架構是這樣的。 在最基本的 RNN 中,單元(方框)中的...
4.2 多層感知機回歸(時間序列) 這篇教程中,我們使用多層感知機來預測時間序列,這是回歸問題。 操作步驟 導入所需的包。 導入數據,并進行預處...
4.1 多層感知機(分類) 這篇文章開始就是深度學習了。多層感知機的架構是這樣: 輸入層除了提供數據之外,不干任何事情。隱層和輸出層的每個節點都...
遇到非線性可分的數據集時,我們需要使用核方法,但為了使用核方法,我們需要返回到拉格朗日對偶的推導過程,不能簡單地使用 Hinge 損失。 操作步...
將上一節的假設改一改,模型就可以用于回歸問題。 操作步驟 導入所需的包。 導入數據,并進行預處理。我們使用鳶尾花數據集中的后兩個品種,根據萼片長...
在傳統機器學習方法,支持向量機算是比較厲害的方法,但是計算過程非常復雜。軟間隔支持向量機通過減弱了其約束,使計算變得簡單。 操作步驟 導入所需的...
1.4 Softmax 回歸 Softmax 回歸可以看成邏輯回歸在多個類別上的推廣。 操作步驟 導入所需的包。 導入數據,并進行預處理。我們使...
1.3 邏輯回歸 將線性回歸的模型改一改,就可以用于二分類。邏輯回歸擬合樣本屬于某個分類,也就是樣本為正樣本的概率。 操作步驟 導入所需的包。 ...
1.2 LASSO、嶺和 Elastic Net 當參數變多的時候,就要考慮使用正則化進行限制,防止過擬合。 操作步驟 導入所需的包。 導入數據...
1.1 線性回歸 線性回歸是你能用 TF 搭出來的最簡單的模型。 操作步驟 導入所需的包。 導入數據,并進行預處理。我們使用鳶尾花數據集中的后兩...