数据的种类我们都知道，一般数据可以分为两类，即定量数据（数值型数据）和定性数据（非数值型数据），定性数据很好理解，例如人的性别，姓名这些都是定性数据。定量数据可以分为以下几种：定类数据表现为类别，但不区分顺序，是由定类尺度计量形成的。一般可以从非数值型数据中编码转换而来，数值本身没有意义，只是为了区分类别做出的数值型标识，比如1表示男性，0表示女性。定类数据无法比较大小，运算符也无意义。...

数据的种类我们都知道，一般数据可以分为两类，即定量数据（数值型数据）和定性数据（非数值型数据），定性数据很好理解，例如人的性别，姓名这些都是定性数据。定量数据可以分为以下几种：定类数据表现为类别，但不区分顺序，是由定类尺度计量形成的。一般可以从非数值型数据中编码转换而来，数值本身没有意义，只是为了区分类别做出的数值型标识，比如1表示男性，0表示女性。定类数据无法比较大小，运算符也无意义。...

异常检测异常检测的特点，异常检测的训练样本没有或者少量的正样本（异常样本），正负样本比例非常不均衡的情况。异常检测可以采用三种处理方式：当做分类问题处理当做聚类问题处理采用概率分布问题处理分类算法由于异常检测的特殊性，在将异常检测当做分类算法处理时，由于样本分布不均的情况，很难得到一个行之有效的算法，因此在使用时应该尽量扩充样本的数量，尤其正向样本的数量，同时，获取尽可能多的特征...

评价参数高偏差和高方差机器学习中的高偏差指的是模型的损失函数校验中，训练集和测试集error大，模型欠拟合；高方差是指训练集的error小，测试集的error大，模型过拟合。通俗来说，高偏差问题就是采用训练集训练效果都不太好的模型，而高偏差问题就是训练效果好，但是测试效果不好的模型，绘制学习曲线有助于了解算法是高偏差问题还是高方差问题，针对高偏差的优化方向：尝试增加特征尝试添加多项式特...

import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#载入数据集mnist = input_data.read_data_sets("MNIST_data",one_hot=True)#每个批次的大小batch_size = 100#计算一共有多少个批次n_batch =...

数据的种类我们都知道，一般数据可以分为两类，即定量数据（数值型数据）和定性数据（非数值型数据），定性数据很好理解，例如人的性别，姓名这些都是定性数据。定量数据可以分为以下几种：定类数据表现为类别，但不区分顺序，是由定类尺度计量形成的。一般可以从非数值型数据中编码转换而来，数值本身没有意义，只是为了区分类别做出的数值型标识，比如1表示男性，0表示女性。定类数据无法比较大小，运算符也无意义。...