要爬取的网页：网址·http://www.cnipa.gov.cn/zfwq/zftjyfx/1144737.htm长这样的表格爬取以上表格，保存为CSV格式。代码实现：import pandas as pdurl ='http://www.cnipa.gov.cn/zfwq/zftjyfx/1144737.htm'# 找到所需爬取的表格[1]代表取第二个表格tb...

转自：https://blog.csdn.net/sqiu_11/article/details/74357048#commentBox 之前还想看完再自己总结，后来发现高估自己了，信息量太大，直接给参考链接： 1、如何准备机器学习工程师的面试 ？内容过于丰富导致感觉自己就是个文盲，套用总结公式：数据结构算法水题+常用机器学习算法推导+模型调优细节+业务认识每一个都很重...

第二部分整理数据进行分析1、识别整洁的数据要使数据整洁，它必须具有：（1）每个变量作为单独的列。（2）每行作为单独的观察。作为数据科学家，将遇到以各种不同方式表示的数据，因此在看到数据时能够识别整洁（或不整洁）数据非常重要。请注意，df2的变量列包含值Solar.R，Ozone，Temp和Wind。为了使它整洁，这些应该都在单独的列中，如df1中所示。2、使用melt重塑...

https://blog.csdn.net/woaidapaopao/article/details/77806273第一部分：深度学习1、神经网络基础问题（1）Backpropagation（要能推倒） 　　后向传播是在求解损失函数L对参数w求导时候用到的方法，目的是通过链式法则对参数进行一层一层的求导。这里重点强调：要将参数进行随机初始化而不是全部置0，否则所有隐层的数值都会与输...

https://blog.csdn.net/woaidapaopao/article/details/77806273第一部分：深度学习1、神经网络基础问题（1）Backpropagation（要能推倒） 　　后向传播是在求解损失函数L对参数w求导时候用到的方法，目的是通过链式法则对参数进行一层一层的求导。这里重点强调：要将参数进行随机初始化而不是全部置0，否则所有隐层的数值都会与输...

https://blog.csdn.net/woaidapaopao/article/details/77806273第一部分：深度学习1、神经网络基础问题（1）Backpropagation（要能推倒） 　　后向传播是在求解损失函数L对参数w求导时候用到的方法，目的是通过链式法则对参数进行一层一层的求导。这里重点强调：要将参数进行随机初始化而不是全部置0，否则所有隐层的数值都会与输...

转自：https://blog.csdn.net/you_are_my_dream/article/details/53493752numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)在指定的间隔内返回均匀间隔的数字。返回num均匀分布的样本，在[start, stop]。这个区间的端点可以任意的

在本部分中，学习将数据导入Python的多种方法：（i）来自平面文件，如.txts和.csvs;（ii）从原生到其他软件的文件，如Excel电子表格，Stata，SAS和MATLAB文件;（iii）来自关系数据库，例如SQLite和PostgreSQL。平面文件(flat file)是去除了所有特定应用(程序)格式的电子记录，从而使数据元素可以迁移到其他的应用上进行处理。这种去除电子数...

要处理的.txt如下，举例：文件夹lululu下面包含两个子文件夹，每个子文件夹里包含若干个.txt，每个.txt里有几个特征，我要做的是批量读取这些文本文档，并将这些txt写入到一个新的txt里，并且在每类特征后加入类标签，以便后续处理。代码如下：import globimport osimport tensorflow as tfimport numpy as np...

AlexNet包含6千万个参数和65万个神经元，包含了5个卷积层，其中有几层后面跟着最大池化（max-pooling）层，以及3个全连接层，最后还有一个1000路的softmax层。为了加快训练速度，AlexNet使用了Relu非线性激活函数以及一种高效的基于GPU的卷积运算方法。为了减少全连接层的过拟合，AlexNet采用了最新的正则化方法“dropout”，该方法被证明非常有效。总结一下Ale