DBI详解及Python实现

CDF累积分布函数

x 是输入数据，t 是监督标签。观察 x 和 t 的形状，可知它们各自有 300 笔样本数据，其中 x 是二维数据，t 是三维数据。另外，t 是 one-hot 向量，对应的正确解标签的类标记为 1，其余的标记为 0。下面，我们把这些数据绘制在图上，结果如图 1-31 所示。现在，我们来实现一个具有一个隐藏层的神经网络。首先，import 语句和初始化程序的 init() 如下所示初始化程序接收

python 函数之 isin() 与 ~isin() DataFrame

python使用read_table读取txt文件

在神经网络的学习中，学习率（数学式中记为η）的值很重要。学习率过小，会导致学习花费过多时间；反过来，学习率过大，则会导致学习发散而不能正确进行。在关于学习率的有效技巧中，有一种被称为学习率衰减（learning rate decay）的方法，即随着学习的进行，使学习率逐渐减小。即，一开始“多”学，然后逐渐“少”学。（学习的意思是朝着损失函数最低处进行优化）AdaGrad 会为参数的每个元素适当地调

重采样与频率转换

Batch Normalization 的算法Batch Normalization（下文简称 Batch Norm）是 2015 年提出的方法。Batch Norm 虽然是一个问世不久的新方法，但已经被很多研究人员和技术人员广泛使用。实际上，看一下机器学习竞赛的结果，就会发现很多通过使用这个方法而获得优异结果的例子。为什么 Batch Norm 这么惹人注目呢？因为 Batch Norm 有以下

GRU

excel数据分析