李沐老师DL笔记
分享与记录来自机器之心的一篇文章:李沐的深度学习笔记
markdown笔记与原课程视频一一对应,Jupyter代码均有详细中文注释,这份学习笔记值得收藏。
官方学习地址:https://zh.d2l.ai/
Stay Foolish Stay Hungry
分享与记录来自机器之心的一篇文章:李沐的深度学习笔记
markdown笔记与原课程视频一一对应,Jupyter代码均有详细中文注释,这份学习笔记值得收藏。
官方学习地址:https://zh.d2l.ai/
一般在建立分类模型时,当我们进行特征工程的工作经常需要对连续型变量进行离散化的处理,也就是将连续型字段转成离散型字段。
特征离散化后,模型会更稳定,降低了模型过拟合的风险。离散化的过程中连续型变量重新进行了编码,本文主要介绍是3种常见的特征分箱方法:
如果三个正整数A、B、C ,A²+B²=C²则为勾股数
如果ABC之间两两互质,即A与B,A与C,B与C均互质没有公约数,则称其为勾股数元组
请求出给定n~m范围内所有的勾股数元组式。
本文记录的使用seaborn绘制pairplot图,主要是用来显示两两变量之间的关系,官网学习地址:
https://seaborn.pydata.org/generated/seaborn.pairplot.html
之前所有的神经网络都是基于Sequential模型实现的,而且网络都是层的线性叠加。但是在实际情况下,有些网络需要多个独立的输入,有些网络需要多个输出;而且有些层之间具有内部分支。
不用Sequential序贯模型的解决方案:Keras函数式API
本文是对阿里云天池官网的工业蒸汽数据的建模分析,数据来自天池官网,本文仅供学习使用。
https://tianchi.aliyun.com/competition/entrance/231693/information