Win10下安装Tensorflow1.8 GPU版（CUDA9.2）（更新至TF1.12）
装Ubuntu死活进不了系统，貌似是显卡问题，所以退而求其次，在Windows下装Tensorflow GPU版本。出乎意料的是这一次安装相比Tensorflow-0.8的时候容易多了，网上的教程和答...
阿里云Centos7下搭建Jupyter Notebook服务（亦可自建外网访问）
网上安装教程鱼龙混杂，多数都有莫名其妙的坑无法走通，因此记录一下配置过程。Jupyter Notebook仅可同时一人使用，多人使用会同时修改一个文件；多人使用请关注JupyterHub自建外网访问需...
[TF.7]多类别神经网络
本文参考《Google机器学习速成课程》多类别神经网络点击下载源码 设置 !wget https://storage.googleapis.com/mledu-datasets/mnist_train...
[TF.6]正则化Regularization
模型选择的典型方法是正则化(Regularization)，正则化是结构风险最小化策略的视线，是在经验风险上加一个正则化项(regularizer)或罚项(penalty term)，正则化项一般是模...
[TF.5]分类与评估
本文参考《Google机器学习速成课程》分类 评估方式 准确率|识别率 错误率|误分类率 当使用分类不平衡的数据集时，准确率并不能反映全面情况 精确率|精度 真正例率|敏感度|召回率 真负例率|特效性...
[TF.4]特征工程
本文参考《Google机器学习速成课程》使用TF的基本步骤 点击下载源码 一、将原始数据映射到特征 映射字符串值 为要表示的所有特征的字符串值定义一个词汇表 使用该词汇表创建一个独热编码 映射分类（枚...
[TF.3]多特征训练与交叉验证
本文参考《Google机器学习速成课程》验证点击下载源码 交叉验证分为： 简单交叉验证 S折较差验证 留一交叉验证 import math from IPython import display fr...
[TF.2]合成特征和离群值
本文参考《Google机器学习速成课程》使用TF的基本步骤 尝试合成特征 california_housing_dataframe["rooms_per_person"] =(ca...