一，降维处理介绍1，什么是降维降维是指在某些限定条件下 ，降低随机变量(特征)个数， 得到一组“不相关”主变量的过程。降低随机变量的个数相关特征(correlated feature)的相对湿度与降雨量之间的相关等等2、降维的两种方式特征选择Filter(过滤式)：主要探究特征本身特点、特征与特征之间关联低方差特征过滤相关系数Embedded (嵌入式)：算法自动选择特征（特征与目标值之间的关联）

一，处理数据1，加载训练数据# https://storage.googleapis.com/download.tensorflow.org/data/shakespeare.txtinput_filepath = "./shakespeare.txt"text = open(input_filepath, 'r').read()print(len(text))print(text[0:100])

一,处理数据1,加载训练数据# https://storage.googleapis.com/download.tensorflow.org/data/shakespeare.txtinput_filepath = "./shakespeare.txt"text = open(input_filepath, 'r').read()print(len(text))print(text[0:100])

一，单个函数max、min、idxmin、idxmax、mean、stdimport pandas as pdimport numpy as npday_data = np.random.normal(0,1,(500,507))stock_list = ["股票"+ str(i) for i in range(day_data.shape[0])]date = ["第"+ str(i)+"天"

本文将介绍：循环神经网络之embedding循环神经网络之padding循环神经网络之模型构建与训练一，从keras数据集imdb中加载影评数据并查看1，从keras数据集imdb中加载影评数据# 1,从keras数据集imdb中加载影评数据imdb = keras.datasets.imdbvocab_size = 10000# 出现词频由高到低, 截取前10000个词组,其余按特殊字符处理in

一,从keras数据集imdb中加载影评数据imdb = keras.datasets.imdbvocab_size = 10000# 出现词频由高到低, 截取前10000个词组,其余按特殊字符处理index_from = 3# 截取的单词和对应索引,向后平移3个单位(train_data, train_labels), (test_data, test_labels) = imdb.load_d

pandas保存、读取外部数据1，pandas保存、读取csv文件import numpy as npimport pandas as pdimport numpy as npnp.random.seed(4)day_data = np.random.normal(0,1,(500,507))day_data = np.round(day_data,1)stock_list = ["股票"+ st

本文将介绍：10monkeys基础模型搭建与训练keras实现数据增强一，下载kaggle-10monkey数据通过下面的链接，下载dataset到本地目录intput中kaggle-10monkey下载地址二，使用keras中ImageDataGenerator读取数据、数据增强1，实例化ImageDataGenerator# 对于图片数据,在keras里有更高层的封装.读取数据且做数据增强 -

一，下载 ltp 模型 ltp_data_v3.4.0下载地址如下：https://download.csdn.net/download/TFATS/12758993二，分句子# # 1，分句子# from pyltp import SentenceSplitter# sents = SentenceSplitter.split('元芳你怎么看？我就趴窗口上看呗！')# 分句# print ('\

本文将介绍如下内容：近似求导tf.GradientTape基本使用方法tf.GradientTape与tf.keras结合使用一，近似求导在近似求导中，本质是取求导参数前后的两个偏移量的点，带入函数中，近似求导。该偏移量约小，其近似求导的数值约接近真实值。1，对一元方程的近似求导# 对一元方程的近似求导def f(x):return 3. * x ** 2 + 2. * x - 1def appr