腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
SeanCheney的专栏
专栏成员
举报
192
文章
387669
阅读量
89
订阅数
订阅专栏
申请加入专栏
全部文章(192)
python(68)
其他(36)
tensorflow(21)
scrapy(21)
编程算法(18)
机器学习(17)
爬虫(15)
数据分析(15)
神经网络(14)
scikit-learn(13)
分布式(12)
https(10)
深度学习(9)
github(7)
http(7)
网络安全(7)
html(6)
api(6)
人工智能(6)
numpy(5)
keras(5)
sql(4)
开源(4)
数据库(3)
云数据库 SQL Server(3)
云数据库 Redis(3)
git(3)
存储(3)
缓存(3)
强化学习(3)
监督学习(3)
决策树(3)
pytorch(3)
windows(3)
官方文档(2)
区块链(2)
NLP 服务(2)
数据挖掘(2)
c 语言(2)
css(2)
json(2)
linux(2)
文件存储(2)
网站(2)
卷积神经网络(2)
tcp/ip(2)
迁移学习(2)
微信(2)
数据结构(2)
pandas(2)
学习笔记(2)
比特币(1)
自动驾驶(1)
java(1)
php(1)
javascript(1)
go(1)
.net(1)
node.js(1)
嵌入式(1)
ide(1)
搜索引擎(1)
ubuntu(1)
命令行工具(1)
知识图谱(1)
腾讯云测试服务(1)
url 安全(1)
游戏(1)
gui(1)
dns(1)
npm(1)
selenium(1)
无监督学习(1)
anaconda(1)
安全(1)
数据处理(1)
系统架构(1)
架构设计(1)
微服务(1)
nest(1)
analysis(1)
axis(1)
kaggle(1)
macbook(1)
root(1)
sort(1)
sys(1)
system(1)
title(1)
测试(1)
基础(1)
进程(1)
模型(1)
权限(1)
数据(1)
数据类型(1)
系统(1)
系统设计(1)
线程(1)
协程(1)
语法(1)
搜索文章
搜索
搜索
关闭
深度学习四大名著之《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》第二版
tensorflow
keras
api
https
scikit-learn
《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》第二版
SeanCheney
2019-09-25
21K
4
《Scikit-Learn与TensorFlow机器学习实用指南》 第16章 强化学习(下)
机器学习
tensorflow
强化学习
scikit-learn
在二十世纪初,数学家 Andrey Markov 研究了没有记忆的随机过程,称为马尔可夫链。这样的过程具有固定数量的状态,并且在每个步骤中随机地从一个状态演化到另一个状态。它从状态S演变为状态S'的概率是固定的,它只依赖于(S, S')对,而不是依赖于过去的状态(系统没有记忆)。
SeanCheney
2018-12-17
566
0
《Scikit-Learn与TensorFlow机器学习实用指南》 第16章 强化学习(上)
机器学习
tensorflow
游戏
强化学习
scikit-learn
强化学习(RL)如今是机器学习的一大令人激动的领域,当然之前也是。自从 1950 年被发明出来后,它在这些年产生了一些有趣的应用,尤其是在游戏(例如 TD-Gammon,一个西洋双陆棋程序)和机器控制领域,但是从未弄出什么大新闻。直到 2013 年一个革命性的发展:来自英国的研究者发起了Deepmind 项目,这个项目可以学习去玩任何从头开始的 Atari 游戏,在多数游戏中,比人类玩的还好,它仅使用像素作为输入而没有使用游戏规则的任何先验知识。这是一系列令人惊叹的壮举中的第一个,并在 2016 年 3 月以他们的系统阿尔法狗战胜了世界围棋冠军李世石而告终。从未有程序能勉强打败这个游戏的大师,更不用说世界冠军了。今天,RL 的整个领域正在沸腾着新的想法,其都具有广泛的应用范围。DeepMind 在 2014 被谷歌以超过 5 亿美元收购。
SeanCheney
2018-12-17
467
0
《Scikit-Learn与TensorFlow机器学习实用指南》 第15章 自编码器
机器学习
tensorflow
神经网络
存储
scikit-learn
自编码器是能够在无监督的情况下学习输入数据的有效表示(叫做编码)的人工神经网络(即,训练集是未标记)。这些编码通常具有比输入数据低得多的维度,使得自编码器对降维有用(参见第 8 章)。更重要的是,自编码器可以作为强大的特征检测器,它们可以用于无监督的深度神经网络预训练(正如我们在第 11 章中讨论过的)。最后,他们能够随机生成与训练数据非常相似的新数据;这被称为生成模型。例如,您可以在脸部图片上训练自编码器,然后可以生成新脸部。
SeanCheney
2018-12-14
459
0
《Scikit-Learn与TensorFlow机器学习实用指南》 第14章 循环神经网络
自动驾驶
机器学习
tensorflow
神经网络
scikit-learn
击球手击出垒球,你会开始预测球的轨迹并立即开始奔跑。你追踪着它,不断调整你的移动步伐,最终在观众的掌声中抓到它。无论是在听完朋友的话语还是早餐时预测咖啡的味道,你时刻在做的事就是在预测未来。在本章中,我们将讨论循环神经网络 -- 一类预测未来的网络(当然,是到目前为止)。它们可以分析时间序列数据,诸如股票价格,并告诉你什么时候买入和卖出。在自动驾驶系统中,他们可以预测行车轨迹,避免发生交通意外。更一般地说,它们可在任意长度的序列上工作,而不是截止目前我们讨论的只能在固定长度的输入上工作的网络。举个例子,它们可以把语句,文件,以及语音范本作为输入,使得它们在诸如自动翻译,语音到文本或者情感分析(例如,读取电影评论并提取评论者关于该电影的感觉)的自然语言处理系统中极为有用。
SeanCheney
2018-12-14
751
0
《Scikit-Learn与TensorFlow机器学习实用指南》 第10章 人工神经网络
其他
机器学习
tensorflow
神经网络
scikit-learn
鸟类启发我们飞翔,牛蒡植物启发了尼龙绳,大自然也激发了许多其他发明。从逻辑上看,大脑是如何构建智能机器的灵感。这是启发人工神经网络(ANN)的关键思想。然而,尽管飞机受到鸟类的启发,但它们不必拍动翅膀。同样的,ANN 逐渐变得与他们的生物表兄弟有很大的不同。一些研究者甚至争辩说,我们应该完全放弃生物类比(例如,通过说“单位”而不是“神经元”),以免我们把我们的创造力限制在生物学的系统上。
SeanCheney
2018-12-10
842
0
《Scikit-Learn与TensorFlow机器学习实用指南》 第09章 启动并运行TensorFlow
scikit-learn
tensorflow
机器学习
开源
python
TensorFlow 是一款用于数值计算的强大的开源软件库,特别适用于大规模机器学习的微调。 它的基本原理很简单:首先在 Python 中定义要执行的计算图(例如图 9-1),然后 TensorFlow 使用该图,并使用优化的 C++ 代码高效运行该图。
SeanCheney
2018-10-10
848
0
《Scikit-Learn与TensorFlow机器学习实用指南》 第07章 集成学习和随机森林
scikit-learn
tensorflow
机器学习
编程算法
决策树
假设你去随机问很多人一个很复杂的问题,然后把它们的答案合并起来。通常情况下你会发现这个合并的答案比一个专家的答案要好。这就叫做群体智慧。同样的,如果你合并了一组分类器的预测(像分类或者回归),你也会得到一个比单一分类器更好的预测结果。这一组分类器就叫做集成;因此,这个技术就叫做集成学习,一个集成学习算法就叫做集成方法。
SeanCheney
2018-09-19
642
0
《Scikit-Learn与TensorFlow机器学习实用指南》 第06章 决策树
scikit-learn
tensorflow
机器学习
决策树
编程算法
和支持向量机一样, 决策树是一种多功能机器学习算法, 即可以执行分类任务也可以执行回归任务, 甚至包括多输出(multioutput)任务.
SeanCheney
2018-09-19
1.1K
0
《Scikit-Learn与TensorFlow机器学习实用指南》 第4章 训练模型
scikit-learn
tensorflow
机器学习
编程算法
神经网络
在之前的描述中,我们通常把机器学习模型和训练算法当作黑箱来处理。如果你动手练习过前几章的一些示例,就能惊奇地发现优化回归系统、改进数字图像的分类器、甚至可以零基础搭建一个垃圾邮件的分类器,但是却对它们内部的工作流程一无所知。事实上,许多场合你都不需要知道这些黑箱子的内部有什么,干了什么。
SeanCheney
2018-09-19
926
0
《Scikit-Learn与TensorFlow机器学习实用指南》 第3章 分类
scikit-learn
tensorflow
机器学习
监督学习
编程算法
在第一章我们提到过最常用的监督学习任务是回归(用于预测某个值)和分类(预测某个类别)。在第二章我们探索了一个回归任务:预测房价。我们使用了多种算法,诸如线性回归,决策树,和随机森林(这个将会在后面的章节更详细地讨论)。现在我们将我们的注意力转到分类任务上。
SeanCheney
2018-09-19
1.2K
0
《Scikit-Learn与TensorFlow机器学习实用指南》 第1章 机器学习概览什么是机器学习?为什么使用机器学习?机器学习系统的类型批量和线上学习基于实例vs基于模型学习机器学习的主要挑战测
scikit-learn
tensorflow
机器学习
---- 本书翻译已加入ApachCN的开源协作项目,见 https://github.com/apachecn/hands_on_Ml_with_Sklearn_and_TF/tree/dev/docs。 我负责翻译的是第一章和第二章。 ApacheCN_飞龙转载了后面的章节,大家可以去他的页面查看,《第3章 分类》链接 📷 ---- 下载本书和代码:https://www.jianshu.com/p/9efbae6dbf8e 本书自2017年4月9日出版,便长期占据美国亚马逊Compu
SeanCheney
2018-04-24
1.8K
0
《Scikit-Learn与TensorFlow机器学习实用指南》
scikit-learn
tensorflow
机器学习
看了《Scikit-Learn与TensorFlow机器学习实用指南》(Hands-On Machine Learning with Scikit-Learn and TensorFlow)一书的序言
SeanCheney
2018-04-24
2.2K
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档