• 当前频道:学习笔记

人工智能 Tensorflow基础篇_1

加法运算 例子 import tensorflow as tf a = tf.constant(5.0) b = tf.constant(6.0) sum = tf.add(a, b) with tf.Session as sess: sess.run(sum) 其中:sess.run() 是启动整个graph ses

2020-11-22 11:30:36 10 0 1
阅读详情

人工智能 决策树的个人理解

决策树 所谓决策数,多个特征,对于每个特征进行评估,对于结果为True和False分别进行处理,处理完之后,在当前的处理结果的基础上,在评估其他特征,直至评估完成。 特征的处理顺序选择 1. 信息增量 熵:混乱程度 信息熵:纯度 信息增量: 决策树的生成: 如现有abc三个特征,其中a特征有三种分类:a1,a2,a3,

2020-09-08 11:22:28 65 0 1
阅读详情

人工智能 机器学习基础篇_2/2

开发流程 原始数据 --> 数据特征工程(训练数据和测试数据) --> 选择合适的算法进行学习 --> 建立模型 --> 模型评估(测试数据) --> 判断模型是否合格 --> 模型应用(一般以API的形式提供) 算法分类 数据类型 离散型:由记录不同类别个题的数目所得到的数据,又称

2020-08-26 01:03:59 71 2 0
阅读详情

人工智能 机器学习基础篇_1/2

概述 机器学习是从数据中自动分析获得规律(模型),并利用规律对未知数据进行预测。 数据集的构成 存储类型:文件格式(如csv) 可用的数 scikit-learn Kaggle UCI 常用数据集数据的结构组成 结构:特征值 + 目标值 处理: pandas:一个数据读取非常方便以及基本的处理格式的工具 sklearn

2020-08-20 23:49:39 81 0 2
阅读详情

人工智能 Pandas基础知识

常用数据类型 Series 一维,带标签数组 用法: import pandas as pd # 法一 b = pd.Series([1,3,4,5,2,3,2], index=list("abcdefg")) # index指定索引值,与数组一一对应,b.dtype的值为int64 # 法二 a = {'name':

2020-08-17 21:33:22 74 0 0
阅读详情

DataBase 5. MySQL编程基础

⽤户⾃定义变量 ⽤户⾃定义变量分为⽤户会话变量(以@开头)以及局部变量(不以@开头)。 ⽤户会话变量 MySQL客户机1定义了会话变量,会话期间,该会话变量⼀直有效;MySQL客户机2不能访问ySQL客户 机1定义的会话变量;MySQL客户机1关闭或者MySQL客户机1与服务器断开连接后,MySQL客户机1定 义的所有

2020-08-16 22:26:34 64 0 0
阅读详情

人工智能 numpy基础知识

概念 科学计算基础库,多作为数值计算、在大型、多维数组上执行数值运算。 创建数组 import numpy as np a = np.array([1,2,3,4,5]) b = np.array(range(1,6)) c = np.arange(1,6) # 其中 a = b = c np.arange的用法:ar

2020-08-16 20:19:38 98 2 2
阅读详情

DataBase 4.表记录的更新操作

表记录的插⼊ 批量插⼊多条记录 例如: insert…select插⼊结果集 注意:字段列表1与字段列表2的字段个数必须相同,且对应字段的数据类型尽量保持⼀致。例如: 使⽤replace插⼊新记录 insert into表名[(字段列表)] values(值列表) insert into表名[(字段列表)] value

2020-08-15 22:53:55 50 0 1
阅读详情
  • 1
  • 2
前往