特徵選擇/範例二: Recursive feature elimination (一)產生內建的數字辨識資料 (二)以疊代方式計算模型 (三)畫出每個像素所對應的權重順序 (四)原始碼 特徵選擇/範例二: Recursive feature elimination http://scikit-learn.org/stable/auto_exa...

保存和恢复模型 一旦你训练了你的模型，你应该把它的参数保存到磁盘，所以你可以随时随地回到它，在另一个程序中使用它，与其他模型比较，等等。 此外，您可能希望在训练期间定期保存检查点，以便如果您的计算机在训练过程中崩溃，您可以从上次检查点继续进行，而不是从头开始。 TensorFlow 可以轻松保存和恢复模型。 只需在构造阶段结束（创建所有变量节点之后）创...

Deeplearning Algorithms tutorial 最小角回归（LARS） 示例应用 优点和缺点 Deeplearning Algorithms tutorial 谷歌的人工智能位于全球前列，在图像识别、语音识别、无人驾驶等技术上都已经落地。而百度实质意义上扛起了国内的人工智能的大旗，覆盖无人驾驶、智能助手、图像识别等许多层面。苹...

MNIST 在本章当中，我们将会使用 MNIST 这个数据集，它有着 70000 张规格较小的手写数字图片，由美国的高中生和美国人口调查局的职员手写而成。这相当于机器学习当中的“Hello World”，人们无论什么时候提出一个新的分类算法，都想知道该算法在这个数据集上的表现如何。机器学习的初学者迟早也会处理 MNIST 这个数据集。 Scikit-L...

监督学习：从高维观察预测输出变量 最近邻和维度惩罚 K近邻分类器 维度惩罚 线性模型：从回归到稀疏 线性回归 收缩 稀疏 分类 支持向量机(SVMs) 线性 SVMs 使用核 监督学习：从高维观察预测输出变量 校验者: @Kyrie @片刻 @Loopy 翻译者: @森系 监督学习解决的问题 监督学习 在于学习两个数据集...

选择正确的评估器(estimator) 选择正确的评估器(estimator) 校验者:翻译者: @李孟禹 通常，解决机器学习问题的最困难的部分可能是找到恰当的的评估器(estimator)。 不同的评估器更适合不同类型的数据和不同的问题。 下面的流程图是一些粗略的指导，可以让用户根据自己的数据来选择应该尝试哪些评估器。 点击下图的任何评估...

处理文本数据 处理文本数据 教程设置 加载这 20 个新闻组的数据集 从文本文件中提取特征 词袋 使用 scikit-learn 来对文本进行分词 从出现次数到出现频率 训练分类器 构建 Pipeline（管道） 在测试集上的性能评估 使用网格搜索进行调参 练习 练习 1：语言识别 练习 2：电影评论的情感分析 练习 3：CLI ...