[PYTHON] TensorFlow Kochbuch zum maschinellen Lernen Kapitel 2 Persönlich verstopft

Recipe 13 Klassifizierungsalgorithmus 6.

xentropy = tf.nn.sigmoid_cross_entropy_with_logits(
    logits=my_output_expanded, labels=y_target_expanded)

Was ist logits # Referenz 1: Friseur:

Screenshot from 2017-08-23 01-34-45.png

Überzeugt!

Recipe 14

rand_x = [x_vals[rand_index]]
rand_y = [y_vals[rand_index]]
sess.run(train_step, feed_dict={x_data: rand_x, y_target: rand_y})

Fügen Sie es in [] ein, um es entsprechend dem Platzhalter zweidimensional zu machen. Ist es in Ordnung, eine Liste an x_data zu übergeben? Ich dachte, es wäre nicht notwendig, den Tensortyp zu verwenden, aber es war in Ordnung, ihn an den Platzhalter zu übergeben, egal ob es sich um ein Array oder einen Skalar handelt. #Referenz 2: gekreuzte_Fahnen:

Screenshot from 2017-08-23 01-48-16.png

Recipe 15 9.

plt.plot(setosa_x, setosa_y, 'rx', ms=10, mew=2, label='setosa')

ms, was ist mew: performing_arts: ms == marker size mew == marker edge width

Recipe 16 Bewertung des Regressionsmodells 1.

train_indices = np.random.choice(len(x_vals), round(len(x_vals)*0.8), replce=False)
train_indices = np.array(list(set(range(len(x_vals))) = set(train_indices)))

Lang: Moyai: np.random.choice (Ganzzahl a, Ganzzahl b) extrahiert zufällig b Teile aus dem Inhalt des Arrays, das von np.arange (a) # Reference 3 generiert wurde Machen Sie eine ganze Zahl mit rund Duplizieren verboten mit Ersetzen = Falsch Indem Sie mit set () einen Set-Typ festlegen, können Sie Summen, Differenzen, Produkte usw. als Set berechnen. Es scheint, dass das Argument von np.array list oder taple ist. Konvertieren Sie also vom Aggregattyp in die Liste mit list () Und kannst du nicht [set (hogehoge)] anstelle von list (set (hogehoge)) machen? Ich dachte, aber etwas war anders (im letzteren Fall wird die gesamte Menge (hogehoge) zum 0. Element der Liste) Sie müssen es beim Konvertieren explizit schreiben

set.png

Bewertung des Klassifikationsmodells 5.

bins = np.linspace(-5, 5, 50)
plt.hist(x_vals[0:50], bins, ...)
plt.hist(x_vals[50:100], bins[0:50], ...)

Warum haben Sie den Bereich für Behälter in die zweite Zeile geschrieben? Ich dachte, hat dies angegeben, dass sich der Bereich von x_vals geändert hat, aber der Bereich von Bins sich nicht geändert hat (nicht notwendig): hotsprings:

Schwieriges Englisch (Up Lord ist schwach)

reduzieren_redu reduzieren: reduzieren temp_loss temp (== temporär): Temporär Indizes: Plural des Index bin: Abschnitte / Klassen, in denen jeder elementar zueinander ist. Kategorie.

<! - Zerlegen (z. B. eine Verbindung auf ihre Elemente reduzieren) #Referenz 4->

Referenz

  1. Mathematik für maschinelles Lernen
  2. Über die Bedeutung von [TensorFlow feed_dict = {x_data: x_val}] ](https://ja.stackoverflow.com/questions/37259/tensorflow%E3%81%AEfeed-dict-x-data-x-val%E3%81%AE%E6%84%8F%E5%91%B3%E3%81%AB%E3%81%A4%E3%81%84%E3%81%A6)
  3. Zusammenfassung der Array-Operation und der Methode zur Erzeugung von Zufallszahlen mit NumPy random
  4. weblio

Recommended Posts

TensorFlow Kochbuch zum maschinellen Lernen Kapitel 2 Persönlich verstopft
TensorFlow Kochbuch zum maschinellen Lernen Kapitel 3 Persönlich verstopft
TensorFlow Machine Learning Cookbook Kapitel 6 (oder besser gesagt die dritte Zeile), in dem ich persönlich feststeckte
Maschinelles Lernen (TensorFlow) + Lotto 6
<Kurs> Maschinelles Lernen Kapitel 6: Algorithmus 2 (k-Mittel)
[Sprachverarbeitung 100 Schläge 2020] Kapitel 6: Maschinelles Lernen
<Kurs> Maschinelles Lernen Kapitel 7: Support Vector Machine
100 Sprachverarbeitung Knock 2020 Kapitel 6: Maschinelles Lernen
Maschinelles Lernen
[Lesehinweis] Praktisches maschinelles Lernen mit Scikit-Learn, Keras und TensorFlow Kapitel 1
<Subjekt> Maschinelles Lernen Kapitel 3: Logistisches Regressionsmodell
<Kurs> Maschinelles Lernen Kapitel 1: Lineares Regressionsmodell
<Kurs> Maschinelles Lernen Kapitel 4: Hauptkomponentenanalyse
<Kurs> Maschinelles Lernen Kapitel 2: Nichtlineares Regressionsmodell
Eine Geschichte über einfaches maschinelles Lernen mit TensorFlow
[Memo] Maschinelles Lernen
Klassifikation des maschinellen Lernens
Installieren Sie die Bibliothek für maschinelles Lernen TensorFlow auf fedora23
Beispiel für maschinelles Lernen
Python-Lernnotiz für maschinelles Lernen von Chainer aus Kapitel 2
Installation von TensorFlow, einer Bibliothek für maschinelles Lernen von Google
Zusammenfassung des Lernprogramms für maschinelles Lernen
Maschinelles Lernen Über Overlearning
Maschinelles Lernen ⑤ AdaBoost-Zusammenfassung
Maschinelles Lernen: Betreut --AdaBoost
Logistische Regression beim maschinellen Lernen
Maschinelles Lernen unterstützt Vektormaschine
Maschinelles Lernen studieren ~ matplotlib ~
Lineare Regression des maschinellen Lernens
Memo zum Kurs für maschinelles Lernen
Bibliothek für maschinelles Lernen dlib
Lerne irgendwie maschinelles Lernen
Bibliothek für maschinelles Lernen Shogun
Maschinelles Lernen Kaninchen Herausforderung
Einführung in das maschinelle Lernen
Maschinelles Lernen: k-Nächste Nachbarn
Was ist maschinelles Lernen?
Python Machine Learning Programming Kapitel 2 Klassifizierungsprobleme - Zusammenfassung des Trainingsalgorithmus für maschinelles Lernen
Für diejenigen, die mit TensorFlow2 maschinelles Lernen beginnen möchten
Python-Lernnotiz für maschinelles Lernen von Chainer Kapitel 7 Regressionsanalyse