一、KNN算法的介绍 K最近邻（k-Nearest Neighbor，KNN）分类算法是最简单的机器学习算法之一，理论上比较成熟。KNN算法首先将待分类样本表达成和训练样本一致的特征向量；然后根据距离计算待测试样本和每个训练样本的距离，选择距离最小的K个样本作为近邻样本；最后根据K个近邻样本判断待分类样本的类别。KNN算法的正确选取是分类正确的关键因素之一，而近邻样本是通过计算测试样本与每个训练集样本的距离来选定的，故定义合适的...
title: "Python实现bp神经网络识别MNIST数据集" date: 2018-06-18T14:01:49+08:00 tags: [""] categories: ["python"]前言训练时读入的是.mat格式的训练集，测试正确率时用的是png格式的图片代码#!/usr/bin/env python3# coding=utf-8import math import sys import os import numpy as np from PIL import Image import scipy.io as siodef sigmoid(x):return np.array(list(map(lambda i: 1/ (1+ math.exp(-i)), x)))def get_tra...
import seaborn as snsimport pandas as pdimport matplotlib.pyplot as pltsns.set_style(‘white‘,{‘font.sans-serif‘:[‘simhei‘,‘Arial‘]})from sklearn.datasets import load_irisdata = load_iris() #加载鸢尾花数据集tt = pd.DataFrame(data=data.data, columns=data.feature_names) #将数据集数据转换成pandatt[‘species‘] = data.target #把鸢尾花类型加入到数据集中data = tt#为了方便大家观看，把列名换成中文...
import pandas as pd import numpy as np import matplotlib.pyplot as plt import matplotlib.image as mpimg import seaborn as sns %matplotlib inlinenp.random.seed(2)from sklearn.model_selection import train_test_split from sklearn.metrics import confusion_matrix import itertoolsfrom keras.utils.np_utils import to_categorical # convert to one-hot-encodingfrom keras.models import Sequential from keras.l...
import tensorflow as tf# 输入数据from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("E:\\MNIST_data", one_hot=True)# 定义网络的超参数 learning_rate = 0.001 training_iters = 200000 batch_size = 128 display_step = 5# 定义网络的参数 # 输入的维度 (img shape: 28*28) n_input = 784 # 标记的维度 (0-9 digits) n_classes = 10 # Dropout的概率，输出的可能性 dropout = ...
完全来源与《Python深度学习》中的例子，仅供学习只用。 Cats vs. Dogs（猫狗大战）是Kaggle大数据竞赛的数据集，数据集由训练数据和测试数据组成，训练数据包含猫和狗各12500张图片，测试数据包含12500张猫和狗的图片。 我们取Cats vs. Dogs数据集中的2000个测试，1000验证，1000个测试，其中猫狗各一半。。 在2000个训练样本上训练一个简单的小型卷积神经网络，不做任何正则化，为模型目标设定一个基准，这会得到73%的分类精度。...
import pandas as pd import numpy as np import matplotlib.pyplot as plt import matplotlib.image as mpimg import seaborn as sns %matplotlib inlinenp.random.seed(2)from sklearn.model_selection import train_test_split from sklearn.metrics import confusion_matrix import itertoolsfrom keras.utils.np_utils import to_categorical # convert to one-hot-encoding from keras.models import Sequential from keras....
基于算法专项六，的tensorflow原理，用三层网络结构进行训练手写字数据集 目录 1-手写数字数据集1.1数据集下载1.2数据集读取1.3进行各种样式的显示测试1.3.1显示单张样本1.3.1显示多张样本在一张影像上1.3.1显示多张样本在一张影像上并且在每张影像外面加白框2-用tensorflow框架搭建三层网络，训练手写字数据集2.1技巧1，用全连接方法代替专项六中的矩阵相乘并加上偏置项操作2.2tensorflow补充知识1、tf.one_hot()使用2、tf.nn.sof...
我遇到了一个问题,试图在传入Dataset map方法的函数中使用Tensorflow的feature_column映射.当尝试使用Dataset.map对数据集的分类字符串特征进行热编码作为输入管道的一部分时,会发生这种情况.我得到的错误信息是： tensorflow.python.framework.errors_impl.FailedPreconditionError：表已初始化. 以下代码是重新创建问题的基本示例：import numpy as np import tensorflow as tf from tensorflow.contrib.lookup import in...
我想问一下,当前的数据集API是否允许实现过采样算法？我处理高度不平衡的阶级问题.我当时认为在数据集解析过程中对特定类进行过采样会很好,即在线生成.我已经看到了rejection_resample函数的实现,但是这会删除样本而不是复制它们,并且它减慢了批处理生成(当目标分布与初始分布大不相同时).我想要实现的是：举一个例子,看看它的类概率决定是否复制它.然后调用dataset.shuffle(…)dataset.batch(…)并获取迭代器.最好的(在我看来)方法...
在张量流数据集管道中,我想定义一个自定义映射函数,它接受一个输入元素(数据样本)并返回多个元素(数据样本). 下面的代码是我的尝试,以及期望的结果. 我无法完全按照tf.data.Dataset().flat_map()上的文档来了解它是否适??用于此处.import tensorflow as tfinput = [10, 20, 30]def my_map_func(i):return [[i, i+1, i+2]] # Fyi [[i], [i+1], [i+2]] throws an exceptionds = tf.data.Dataset.from_tensor_slices(input) ds ...
从百度图片下载一些图片当做训练集，好久没写爬虫，生疏了。没有任何反爬，随便抓。 网页： 动态加载，往下划会出现更多的图片，一次大概30个。先找到保存每一张图片的json，其对应的url： 打开调试，清空，然后往下划。然后出现： 点击左侧的链接，出现右边的详细信息，对应的就是URL。对这个url做请求即可。以下是代码：# -*- coding: utf-8 -*- # import tensorflow as tf # import os # import numpy as np import reque...
我写了一篇文章深入解释神经网络如何从头开始工作. 为了说明博客文章,我在python using numpy编写了神经网络,并使用TensorFlow编写了一个版本.我在Github上传了代码来说明这个问题,但这不是一个干净的版本. 该网络的目标是根据其三个特征(公里,燃料类型,年龄)预测汽车的价格,这是我从头开始创建的玩具示例. 我从leboncoin.fr检索数据,我的数据集由大约9k辆车组成(仅限BMW系列1).我将数据标准化,使价格介于[0,1]之间,燃料类型采用二...
这篇文章主要介绍了关于pytorch + visdom CNN处理自建图片数据集的方法，有着一定的参考价值，现在分享给大家，有需要的朋友可以参考一下环境系统：win10cpu：i7-6700HQgpu：gtx965mpython : 3.6pytorch ：0.3数据下载来源自Sasank Chilamkurthy 的教程； 数据：下载链接。 下载后解压放到项目根目录： 数据集为用来分类 蚂蚁和蜜蜂。有大约120个训练图像，每个类有75个验证图像。数据导入可以使用 torchvision.datasets.ImageFol...
序列标注(sequence labelling)，输入序列每一帧预测一个类别。OCR(Optical Character Recognition 光学字符识别)。MIT口语系统研究组Rob Kassel收集，斯坦福大学人工智能实验室Ben Taskar预处理OCR数据集(http://ai.stanford.edu/~btaskar/ocr/ )，包含大量单独手写小写字母，每个样本对应16X8像素二值图像。字线组合序列，序列对应单词。6800个，长度不超过14字母的单词。gzip压缩，内容用Tab分隔文本文件。Python csv模块直接读取...