常用的衡量线性回归效果的评价指标:R-squared调整R方(Adjested R-square)直线拟合所有点的好坏程度，可以用“R方”来评估。R-squared结论：R2≤1\mathbf{R^2\leq1}R2≤1，且R方越接近1越好！原理：假设模型预测结果为y^\hat{y}y^​，真实结果为yyy，真是结果的平均数为yˉ\bar{y}yˉ​:R2=1−∑i(y^i−yi)2∑i(yˉ−y

3.1.1 Word based encondings思考：如何让机器识别文字1. 基于字母如果用ASCII码将字母编码，会出现以下情况：不同单词，编码一样，但完全不一样的意思2. 基于单词如果将两个类似的句子每个单词标号3.1.2 Using APIsimport tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras.

常用的衡量线性回归效果的评价指标:R-squared调整R方(Adjested R-square)直线拟合所有点的好坏程度，可以用“R方”来评估。R-squared结论：R2≤1\mathbf{R^2\leq1}R2≤1，且R方越接近1越好！原理：假设模型预测结果为y^\hat{y}y^​，真实结果为yyy，真是结果的平均数为yˉ\bar{y}yˉ​:R2=1−∑i(y^i−yi)2∑i(yˉ−y

我使用的是基于ubuntu 20.04 的优麒麟系统，最近参加了AI Studio上的课程，写写本地运行飞桨PaddlePaddle + Pycharm 安装运行的初体验。目录安装 python安装 pip安装 PycharmPyCharm 创建 Paddle 项目下载 paddle包安装 python系统自带python，可以终端中用下面命令查看版本：$ python --version优麒麟自

删除单列# 利用索引删除第一行行df.drop([0])# 利用列名删除单列df.drop(['id'], axis=1)删除多列# 利用索引删除多行，不能写0:2df.drop([0, 1])# 利用列名删除多列df.drop(labels=['id','class'], axis=1)