Ex_treme's blog.

欧式距离一般形式 1234def ComputeEuclideanDistance(x1, y1, x2, y2): """欧式距离计算：d=(x1-x2)^2+(y1-y2)^2""" d = math.sqrt(math.pow(x1 - x2, 2) + math.pow(y1 - y2, 2)) return d 即求两个向量之间的距离（二维） 欧式距离拓展形式 123456def EuclideanDistance(instance1, instance2, length): "...

构造KNN分类器 获取新的样本数据 获取样本库的数 选择K值 计算样本数据与样本库之间的距离 根据距离进行排序 针对K个点，统计各个类别的数量 投票机制，少数服从多数原则 初始化 获取新的样本数据 获取样本库的数 选择K值 123456789class knn_Classifier(object): """构造KNN分类器""" def __init__(self, newV, dataset, labels): self.newV = newV # 1 获取新的样本数据 s...

实例构造 123456789101112131415161718192021# -*- coding: utf-8 -*-# @Time : 18-11-14 下午6:05# @Author : Ex_treme# @Email : pzsyjsgldd@163.com# @File : example.py# @Software: PyCharmfrom knn import create_datasetfrom knn import knn_Classifierdef predict_temperature(dataset, labels): iceCrea...

流程 加载数据集 填充参数 预测结果 核心代码 1234567891011from sklearn import neighborsdef knn_sklearn_predict(): # 调用机器学习库knn分类器算法 knn = neighbors.KNeighborsClassifier() #传入参数、特征数据和分类标签 knn.fit(datasets,labels) #knn预测 res = knn.predict([[iceCream,drinkWater,playAct]]) print("访客认为天气{...

导读 课程大纲 适合人群 课前技术储备 本届课程主要涉及的几个问题 快速了解自然语言处理 自然语言处理开发环境介绍 案例：NLP技术实现预测天气冷暖感知度 结尾与探讨 讨论总结 t讨论：机器学习比较偏向底层和理论，机器学习本身不够炫酷，结合了具体的自然语言处理以及数据挖掘的问题才能炫酷。机器学习好像内力一样，是一个武者的基础，而自然语言和数据挖掘的东西都是招式。如果你内功足够深厚，招式对你来说都是小意思。但机器学习同时也要求很高的数学基础，现在如果我们只讲工程实现，有很多的开源工具可以使用，你需要的只是知道这些工具都是干嘛用的就好，很多学生对机器学习特别的狂热，但对矩阵，概...

多层神经网络的Tensorflow实战 神经元的Tensorflow实现 神经网络的Tensorflow实现 Tensorflow环境搭建 1234conda install tensorflow==1.8.0下载数据集CIFAR-10 python version conda install jupyter jupyter notebook 数据预处理 加载数据集 查看数据类型 验证图片输出 加载数据集 123456import pickleimport numpy as npimport osCIFAR_DIR = 'cifar-10-batches-py&...

模型图构建流程 导包 读数据模块 模型图构建 导包 1234567import tensorflow as tfimport osimport pickleimport numpy as npCIFAR_DIR = 'cifar-10-batches-py'print(os.listdir(CIFAR_DIR)) [‘batches.meta’, ‘test_batch’, ‘data_batch_1’, ‘data_batch_4’, ‘data_batch_5’, ‘readme.html’, ‘data_batch_2’, ‘data_batch_3’...

数据加载部分没有发生改变 使用CifarDta数据进行训练的模块（改变） 图模型构建模块没有改变 模型训练(新增) 只放出新增和改变的代码 模型训练(新增) 123init = tf.global_variables_initializer()with tf.Session() as sess: sess.run([loss,accuracy,train_op],feed_dict={x:,y:}) 使用CifarDta数据进行训练的模块（改变） 1234567891011121314151617181920212223242526272829303...

调整了数据集的测试代码 新增了训练的测试代码 数据集的测试代码 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960def load_data(filename): """read date from data file.""" with open(filename,'rb') as f: data = pic...

改动 数据集输入 图模型 数据集输入 123456789101112131415161718192021222324252627282930313233343536373839404142class CifarData: def __init__(self,filenames,need_shuffle): all_data = [] all_labels = [] for filename in filenames: data,labels = load_data(filename) al...