推薦一篇很好的文章,本文部分借鑑於: kaggle的「手寫識別」 :
首先: 我們要了解:什麼是tensorflow???
其次: 我們要學會一些概念
再其次: 我們要學會整個機器學習的思路
建立乙個機器學習的model:
1）制定乙個model是線性的還是非線性的
2）使用乙個最簡單的單層的神經網路進行學習
3）選擇loss function(線性0/1; cross-entropy交叉熵)
4) 選擇activation啟用函式(=模型的相關引數:sgmoid, elu, selu, softplus, linear線性的 /…)
5）選擇optimizers(優化器: sgd; rmsprop; adagrad; adam; adamax )
然後: 明確方法(怎麼學)
準確度不高處理方法:::
根據經驗, 如果出現準確度不高,可以採用如下方式進行調整
機器學習 機器學習目錄
注 後期有時間的話會對每乙個演算法進行講解。1 普通線性回歸 2 廣義線性模型 3 邏輯回歸 4 線性判定分析1 決策樹基本原理與構建 2 cart演算法 3 回歸決策樹 4 分類決策樹1 貝葉斯定理與樸素貝葉斯 2 高斯貝葉斯分類器 3 多項式貝葉斯分類器 4 伯努利貝葉斯分類器 5 遞增式學習1...
機器學習 機器學習概論
3 模型評估與模型選擇 4.具體應用 統計學習 是關於計算機基於 資料 構建概率統計模型並運用模型對資料進行 分析 統計學習的三要素 模型在監督學習中，模型就是所要學習的條件概率分布或決策函式。這在後面的章節中會重點介紹。策略 評價模型的標準 用損失函式和代價函式來度量 錯誤的程度。1 幾種損失函式...
機器學習 機器學習基礎
資料集劃分的api 返回值 訓練特徵，測試特徵，訓練目標，測試目標 方式1 獲取小規模的資料集 importsklearn.datasets as datasets iris datasets.load iris 提取樣本資料 feature iris data target iris target...