categorical

代码补全快餐教程(1) - 30行代码见证奇迹

补全效果案例先来看个比较普通的(Python,Keras)已知：y_train=keras.utils.to_categorical(y_train,num_classes)\ny_test=keras
Jtag特工·2019-12-30 02:39

P2.7 The categorical statement

直言命题-言之有据。比如：“收音机在车的后座”，这就是一个准确的描述。“收音机可能在车的后座”，就不是一个准确的描述。thepurposeofthereasoningprecess,logic'sprincipalconcern,isdemonstration（论证）--逻辑推理首要关心的是论证。(言之有据）。iamnotreasoningwithyouifisimplysaythatsuah-a
方知方行·2019-12-22 20:20

深度学习中的数据处理 - 类别数据

数值映射和独热编码在机器学习和深度学习中，当输入特征为类别型Categorical数据时，为了实现特征扩充使得这些特征可以参与网络的线性求和及后续的激活，可以根据类别特征是否具有量值属性而将其按照如下两种方式进行处理
拓季·2019-11-07 02:36

keras

该参数可指定为已预定义的优化器名，如rmsprop、adagrad，或一个Optimizer类的对象，详情见optimizers损失函数loss该参数为模型试图最小化的目标函数，它可为预定义的损失函数名，如categorical_crossentropy
Jakai·2019-11-05 00:13

PyTorch学习笔记 —— Categorical函数

一、介绍Categorical函数来自包torch.distributions，官方定义的接口如下：classtorch.distributions.Categorical(probs)作用是创建以参数
ProQianXiao·2019-11-04 12:02

python3 绘画图形

参考：https://matplotlib.org/gallery/lines_bars_and_markers/categorical_variables.html#sphx-glr-gallery-lines-bars-and-markers-categorical-variables-py
dongxinddd123·2019-11-04 11:33

categorical variable 分类变量的处理流程

#categoricalvariable分类变量针对回归问题：设目标变量为Xi，因变量为y1.检查变量Xi是否含有空值，若有，先补充一般要根据变量的实际意义，并参考其相关的变量进行补值。例，PoolQC:PoolqualityExExcellentGdGoodTAAverage/TypicalFaFairNANoPool可见，将NA设为"None"即可2.分析变量Xi与因变量y的关系，以确定Xi是
authorized_keys·2019-10-14 09:19

tensorflow学习 损失函数与优化器

损失函数有sigmoid,softmax,softmoid和msesigmoid一般应用于二分类场景在tf中的写法是:binart_crossentropysoftmax一般应用于多分类场景在tf中的写法是:categorical_crossentropysoftmoid
千年奇葩·2019-10-12 17:05

利用keras自带房价数据集进行房价预测

1importnumpyasnp2fromkeras.datasetsimportboston_housing3fromkerasimportlayers4fromkerasimportmodels5fromkerasimportoptimizers6fromkeras.utils.np_utilsimportto_categorical7importmatplotlib.pyplotasplt8
香风智乃俺の嫁·2019-10-05 15:00

利用keras自带路透社数据集进行多分类训练

1importnumpyasnp2fromkeras.datasetsimportreuters3fromkerasimportlayers4fromkerasimportmodels5fromkerasimportoptimizers6fromkeras.utils.np_utilsimportto_categorical7importmatplotlib.pyplotasplt89defvec
香风智乃俺の嫁·2019-10-05 11:00

keras中to_categorical函数解析

1.to_categorical的功能简单来说，to_categorical就是将类别向量转换为二进制（只有0和1）的矩阵类型表示。其表现为将原有的类别向量转换为独热编码的形式。
gz153016·2019-09-25 21:09

tensorflow中对特征的处理方式 tf.feature_column

.*1.tf.feature_column.categorical_column_with_hash_buckettf.feature_column.categorical_column_with_hash_bucket
看穿数据之美·2019-09-15 00:25

【2019.09.14】基于TensorFlow2.0，使用Keras实现线性回归模型

介绍介绍损失函数loss*二分类问题:最后一层激活函数是sogmoid,损失函数是binart_crossentropy*多分类问题：最后一层激活函数是softmax,损失函数是categorical_crossentropy
耳森Paulson·2019-09-14 15:09

tf.random

categorical(...):从分类分布中抽取样本。fixed_unigram_candidate_sampler(...):使用提供的(固定的)基本分布对一组类进行示例。gamma(..
Wanderer001·2019-09-05 14:38

（数据科学学习手札68）pandas中的categorical类型及应用

一、简介categorical是pandas中对应分类变量的一种数据类型，与R中的因子型变量比较相似，例如性别、血型等等用于表征类别的变量都可以用其来表示，本文就将针对categorical的相关内容及应用进行介绍
费弗里·2019-09-03 19:00

解析损失函数之categorical_crossentropy loss与 Hinge loss

冒泡~那天伙伴说，看我的是动力，就突然发现很久没有更了。最近实验是遇到了瓶颈，死活卡在了最后的Merge上...值得做的事情都不容易鸭。今天就再记录一下。损失函数在之前写期望风险的时候其实已经提过这个概念了，再补充一下损失函数定义：损失函数就一个具体的样本而言，模型预测的值与真实值之间的差距。对于一个样本（xi,yi）其中yi为真实值，而f（xi）为我们的预测值。使用损失函数L（f(xi),yi）
LiBiscuit·2019-08-17 10:57

binary/categorical crossentropy实现

importtensorflowastffromtensorflowimportkerasprint(tf.__version__)#2.0.0-beta0defcross_entropy(x,y):returntf.reduce_sum(-y*tf.math.log(x),axis=-1)defsoftmax_cross_entropy_with_logits(x,y):returntf.red
Gig_Face·2019-08-13 20:11

动态调整学习率

方法一，使用优化器的decay参数model.compile(loss='sparse_categorical_crossentropy',optimizer=Adam(lr=0.001,decay=1e
poteman·2019-08-09 22:34

Keras：评价函数

评价函数的用法目录评价函数的用法可使用的评价函数binary_accuracycategorical_accuracysparse_categorical_accuracytop_k_categorical_accuracysparse_top_k_categorical_accuracy
chnyac·2019-08-07 16:27

Keras：评价函数

评价函数的用法目录评价函数的用法可使用的评价函数binary_accuracycategorical_accuracysparse_categorical_accuracytop_k_categorical_accuracysparse_top_k_categorical_accuracy
chnyac·2019-08-07 16:27

python keras MNIST CNN 数字识别 建立模型训练并评估

'''pythonkerasMNISTCNN数字识别建立模型训练并评估'''#载入数据fromkeras.datasetsimportmnistfromkeras.utilsimportto_categorical
云空·2019-07-29 11:14

Keras中写一个网络的步骤

Keras中写一个网络的步骤1.载入数据2.数据预处理包括对数据进行归一化，分成训练集，测试集，验证集，对标签进行to_categorical()操作等等。
Elvirangel·2019-07-04 16:13

Keras加权损失函数

Ref:https://github.com/keras-team/keras/issues/2115Keras提供的损失函数binary_crossentropy和categorical_crossentropy
there2belief·2019-06-04 18:45

分类变量的深度嵌入(Cat2Vec)

作者|PrajwalShreyas翻译|JoccKouisFung编辑|酱番梨、Pita原文链接：https://towardsdatascience.com/deep-embeddings-for-categorical-variables-cat2vec-b05
AI 研习社·2019-05-20 11:29

pytorch 的KL divergence的实现

importtorch.nn.functionalasF#p_logit:[batch,class_num]#q_logit:[batch,class_num]defkl_categorical(p_logit
guotong1988·2019-05-16 14:56

Thensorflow: 双向lstm用于情感分类源码解析

importtflearnfromtflearn.data_utilsimportto_categorical,pad_sequencesfromtflearn.datasetsimportimdbfromtflearn.layers.coreimportinput_data
颠沛的小丸子·2019-05-14 19:28

在多分类进行评估准确度的时候出现了二分类的准确度高于多分类的情况：Keras binary_crossentropy vs categorical_crossentropy performance?

在多分类进行评估准确度的时候出现了二分类的准确度高于多分类的情况(进行的是多分类）即采用的是softmax+categorical_crossentropy但是softmax+binary_crossentropy
chenyy__·2019-05-14 16:45

keras文本分类

fromkeras.datasetsimportreutersimportnumpyasnpfromkerasimportmodelsfromkerasimportlayersimportcopy#fromkeras.utils.np_utilsimportto_categorical
miss_fang999·2019-04-25 11:33

数据挖掘复习笔记---02.数据

使数据可以被特定的工具处理）相似性和距离度量本节大纲关于数据的基本概念如何用统计学方法描述数据数据可视化度量数据之间的相似性和距离基本概念数据集特性：维度，稀疏程度类型：结构化记录，图像，时间序列数据属性种类：分类数据（Categorical
FrozenMap·2019-04-24 00:00

深度学习笔记之四——feature_column

（1，2,3,4,5）按照（0,34,5）两个区间分箱，分箱成为（0,0,0,1,1）的onehot形式，即最终结果为：），（[1,0]#1[1,0]#2[1,0]#3[0,1]#4[0,1]#53、categorical_column_with_identity
落在地上的乐乐·2019-04-22 08:06

keras之图像分类

mnist训练代码fromkerasimportmodelsfromkerasimportlayersfromkeras.datasetsimportmnistfromkeras.utilsimportto_categorical
miss_fang999·2019-04-17 21:48

keras中one-hot和数组相互转换

one-hotfromkeras.utilsimportto_categoricalimportnumpyasnpinput_data=[1,2,3,4,5,6,7,8,9,0]input_data=np.array(input_data)input_data=to_categorical
ChaoFeiLi·2019-04-17 19:57

Keras： 评价指标 categorical_accuracy和 sparse_categorical_accuracy

当面对多分类或者多标签的任务时，评价度量可能会用到这两个categorical_accuracy和sparse_categorical_accuracybinary_accuracy自然不必多讲，这篇文章讲一下
Zhang_Raymond·2019-04-11 16:28

python深度学习--LSTM生成文本

importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportpylabfrompandasimportDataFrame,Seriesfromkerasimportmodels,layers,optimizers,losses,metricsfromkeras.utils.np_utilsimportto_categorical
SunChao3555·2019-04-03 13:58

2019-03-28 笔记

用来识别28x28像素图片上的数字导入mnist的图片库，训练用图片为6万张，测试用图片为1万张fromkeras.datasetsimportmnistfromkeras.utilsimportto_categorical
HeII0W0rId·2019-03-28 18:09

2019-03-28 笔记

用来识别28x28像素图片上的数字导入mnist的图片库，训练用图片为6万张，测试用图片为1万张fromkeras.datasetsimportmnistfromkeras.utilsimportto_categorical
HeII0W0rId·2019-03-28 18:09

python深度学习--处理文本数据（one-hot; word Embedding)

importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportpylabfrompandasimportDataFrame,Seriesfromkerasimportmodels,layers,optimizers,losses,metricsfromkeras.utils.np_utilsimportto_categorical
SunChao3555·2019-03-12 21:27

python深度学习--卷积神经网络可视化

importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportpylabfrompandasimportDataFrame,Seriesfromkerasimportmodels,layers,optimizers,losses,metricsfromkeras.utils.np_utilsimportto_categorical
SunChao3555·2019-03-11 20:19

python深度学习--卷积神经网络（mnist）

importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportpylabfrompandasimportDataFrame,Seriesfromkerasimportmodels,layers,optimizers,losses,metricsfromkeras.utils.np_utilsimportto_categorical
SunChao3555·2019-03-05 14:23

pandas数据集的端到端处理

df.info()：rangeindex：行索引；datacolumns：列索引；dtypes：各个列的类型，主体部分是各个列值的情况，比如可判断是否存在NaN值；对于非数值型的属性列df[‘some_categorical_columns
Inside_Zhang·2019-02-18 16:41

python 数据可视化利器(bokeh、pyecharts)

概述前言bokehpyechartsbokeh这里展示一下常用的图表，详细的文档可查看（https://bokeh.pydata.org/en/latest/docs/user_guide/categorical.html
白术macro·2019-02-11 15:00

kaggle 钻石价格预测

钻石价格预测Categorical特征NO字段名称数据类型字段描述1caratFloat克拉数2cutString切割工艺的评级，分为5类Describecutqualityofthediamond.QualityinincreasingorderFair
christinazou·2019-01-26 11:39

Keras【极简】CNN

、损失曲线和精度曲线3、EarlyStopping设置自动结束1、极简示例fromkeras.datasetsimportcifar10#小图像10分类fromkeras.utilsimportto_categorical
基基伟·2019-01-25 14:48

keras中的keras.utils.to_categorical方法

blog.csdn.net/nima1994/article/details/82468965参考链接：https://blog.csdn.net/gdl3463315/article/details/82659378to_categorical
荷叶田田_·2019-01-21 21:12

keras np_utils()函数

fromkeras.utilsimportnp_utilsN_CLASSES=3label=[0,0,0,1,1,1,2,2,2]train_label=np_utils.to_categorical(
Nicolas Léon Deng·2018-12-27 17:48

FM算法python实现

1、FM原理=>重点内容解决稀疏数据下的特征组合问题可用于高度稀疏数据场景具有线性的计算复杂度对于categorical(类别)类型特征，需要经过One-HotEncoding转换成数值型特征。
hellozhxy·2018-12-25 22:06

CTR预估 论文实践(六)--Wide & Deep Learning for Recommender Systems

tf.feature_column.categorical_column_with_vocabulary_list不知道所有不
dby_freedom·2018-12-21 15:46

CTR预估 论文实践(六)--Wide & Deep Learning for Recommender Systems

tf.feature_column.categorical_column_with_vocabulary_list不知道所有不
dby_freedom·2018-12-21 15:46

Keras错误：ValueError: expected dense_2 to have shape (10,) but got array with shape (1,)

对keras模型进行编译，当loss是categorical_crossentropy的时候，model.compile(loss=keras.losses.categorical_crossentropy
落叶_小唱·2018-12-18 15:34

各种 loss 的了解 (binary/categorical crossentropy)

2.categorical
koreyoshichen·2018-12-05 11:52
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他