逻辑回归预测考试是否通过声明：本篇是对课程学习的记录，如有侵权请联系我删除。目标：基于数据集建立逻辑回归模型，并预测给定两门分数的情况下，预测第三门分数是否能通过；建立二阶边界，提高模型的准确率。# 加载数据import pandas as pdimport numpy as npdata = pd.read_csv('examdata.csv')data.head()Exam1Exam2Pass

前言卷积之前在自动控制系统中接触过，当时查了资料感觉知乎的一位大佬写的笔记很好这里附上该篇文章的链接。下面我所写的是卷积神经网络中的一维卷积，其整体思想差不多。卷积的定义卷积(Convolution)，也叫做褶积，是分析数学的一种重要的运算，在信号处理和图像处理中，经常使用一维或者二位卷积[1]。一维卷积一维卷积经常用到信号处理中，用于计算信号的延迟累计。假设我们在每个ttt时刻都会产生一个信号x

电影评论文本分类本片指南介绍的是对电影评论的正负性（positive、negative）进行分类。这是我们熟知的二分类问题。我们将使用来自网络电影数据库的IMDB数据集，其包含了50000条影评文本。从该数据集中用25000条品论用做训练，另外25000条用作测试。训练集与测试集是数量相等平衡的（balanced），意味着它们包含相等数量的的正负面评论。该片指南使用了tf.keras，它是一个Te

TensorFlow 2.0前言Tensorflow是Google推出的机器学习开源神器，对Python有着良好的语言支持，支持CPU，GPU和Google TPU等硬件，并且已经拥有了各种各样的模型和算法。目前，Tensorflow已被广泛应用于文本处理，语音识别和图像识别等多项机器学习和深度学习领域。基础框架分为三层：应用层、接口层和核心层。应用层：提供了机器学习相关的训练库、预测库和针对Py

import numpy as npnp.random.randint(a, b, size=(c, d)):注：a-b表示生成[a,b]数的范围，后面size表示生成矩阵的大小#eg:np.random.randint(0,10,(4,3))array([[0, 3, 6],[8, 0, 8],[6, 5, 8],[7, 0, 9]])np.random.rand(a, b)注：通过本函数可以返