[PYTHON] TensorFlow Kochbuch zum maschinellen Lernen Kapitel 3 Persönlich verstopft

Recipe 17

Die lineare Regression ist A.* x =b...

Hier gibt x den Eingabewert nicht wie die vorherigen x_vals an: corn: Der Eingabewert ist A und x ist die Steigung der Geraden und des y-Abschnitts.

※2 [Übersetzung]
...Erste Zeile der Planungsmatrix A (alle 1)...

Alle Einsen sind in der ersten Reihe, oder? : Spaghetti:

5.Geben Sie den Koeffizienten () aus der Lösung aus...
...
print('y'_intercept: ' + str(y_intercept))

Es gibt viele "'" (falsch gedruckt?): Cookie:

Recipe 18

Zerlegt die Matrix A und führt Matrixoperationen an der zerlegten Matrix durch
...
Hier simultane Gleichungen A.* x =b bis L.* L' * x =Lösen wir es als b.
Erste L.* y =Löse b, dann L.' * x =Das Lösen von y ergibt die Koeffizientenmatrix x

Ich wollte, dass Sie am Anfang "put y = L '* x" schreiben: oden: Zu diesem Zeitpunkt dachte ich, dass A in Choleskey zerlegt werden würde, aber im Code im Text wird A.T * A in Choleskey zerlegt (.T bedeutet Translokation). Oder besser gesagt, die Choleski-Zerlegung ist für die Elmeet-Matrix, daher kann A (wahrscheinlich) keine Choleski-Zerlegung sein.

Mit anderen Worten, was wir hier lösen, ist die Gleichung, die durch Multiplizieren der obigen simultanen Gleichungen mit A.T. von links im Voraus erhalten wird.

Hier simultane Gleichungen A..T * A * x = A.T *b bis L.* L' * x = A.T *Lösen wir es als b.
Erste L.* y = A.T *Löse b, dann L.' * x =Das Lösen von y ergibt die Koeffizientenmatrix x

Es wäre schön zu schreiben (für mich)

2.Als nächstes wird die Choleskey-Zerlegung der quadratischen Matrix durchgeführt.
...
# L * y = t(A) *Löse b
tA_b = tf.matmul(tf.transpose(A_tensor), b)

Warum hier b anstelle von b_tensor verwenden? : gebratene Garnelen: Ich dachte, aber es war okay, stattdessen b_tensor zu verwenden

Recipe 19

Insbesondere x_vals ist die Breite der Blütenblätter, y_Vals sind Blütenblattlänge...

Um richtig zu sein, x ist die Breite der Blütenblätter und y ist die Länge des Stücks (falsch gepflanzt?): Kirschen: Es gab auch einige Rechtschreibfehler von Blütenblättern im Code

plt.plot(loss_vec, 'k-')

Es gibt nur wenige Argumente, oder? Ich dachte, aber es gab kein Problem: Süßigkeiten: Der Inhalt von loss_vec ist y und der Index ist x

Recipe 20

In Abb. 3-5 scheint sich die Form mit Zufallszahlen erheblich zu ändern

Auch plt.ylabel war komisch

Recipe 21

Ich sehe, es gibt einen Fehler in x, also wann machst du eine Deming-Regression: Geburtstag: Die Anzahl der Schulungen ist jedoch groß, und häufig wird gelernt. Derjenige, der funktioniert hat und derjenige, der einen Unfall zu haben scheint

Schwieriges Englisch (Up Lord ist schwach)

opt (== Optimierer) von my_opt: Optimierungsfunktion tf.subtract subtrahieren: subtrahieren Indizes: Plural des Index demming_numerator Zähler: Molekül Nenner: Nenner von demming_denominator