逻辑回归  文章目录  逻辑回归   学习目标  3.4 分类评估方法   1.分类评估方法   1.1 精确率与召回率   1.1.1 混淆矩阵 1.1.2 精确率(Precision)与召回率(Recall)  1.2 F1-score 1.3 分类评估报告api  2 ROC曲线与AUC指标   2.1 TPR与FPR 2.2 ROC曲线 2.3 AUC指标 2.4 AUC计算API  3 总结    学习目标  知道逻辑回归的损失函数 知道逻辑回归的优化方法 知道sigmoid函数 知道逻辑回归的应用场景 应用LogisticRegression实现逻辑回归预测 知道精确率、召回率指标...

逻辑回归  文章目录  逻辑回归   学习目标  3.5 ROC曲线的绘制   1 曲线绘制   1.1 如果概率的序列是（1:0.9,2:0.7,3:0.8,4:0.6,5:0.5,6:0.4）。 1.2 如果概率的序列是（1:0.9,2:0.8,3:0.7,4:0.6,5:0.5,6:0.4） 1.3 如果概率的序列是（1:0.4,2:0.6,3:0.5,4:0.7,5:0.8,6:0.9）  2 意义解释    学习目标  知道逻辑回归的损失函数 知道逻辑回归的优化方法 知道sigmoid函数 知道逻辑回归的应用场景 应用LogisticRegression实现逻辑回归预测 知道精确率、...

首先激活添加入的conda环境 Linux&mac环境： source activate name_test  Windows： conda activate name_test   安装ipykernel conda install ipykernel   进入Jupyter Notebook jupyter notebook   此时可能仍然没有你想要的kernel，那么我们手动创建。我们已经在创造的环境中安装了ipykernel了，所以，我们直接在环境里执行下面的代码来手动添加kernel进jupyter notebook。 python -m ipykernel install...

1，申请邮箱 可以去自己学校申请或者、、、、、、、  2，注册账户： 到JetBrains官方注册账户：https://account.jetbrains.com 填写当前页面的教育邮箱，之后这个页面会收到一封邮件。点击当前页面邮箱中的：Confirm your account 邮件，然后浏览器会进行跳转：    3，点击跳转到用户页面 填写一些个人信息：  点击上面Submit跳转后, 然后点击Apply for a free student or teacher license:  4, 申请免费试用学生版本 点击Apply Now按钮：  填写学生版的个人信息：  5，申请成功页面  6...

TensorFlow2.0-GPU代码测试 import tensorflow as tf #查看tensorflow版本 print(tf.__version__) print('GPU', tf.test.is_gpu_available()) a = tf.constant(2.0) b = tf.constant(4.0) print(a + b)  成功如图：   TensorFlow1.x-GPU代码测试 import tensorflow as tf tf.test.is_gpu_available()

方法非常简单哦，是网络权限问题，试试自己的手机热点会有惊喜哈哈

文章目录  2.1 TF数据流图   学习目标 2.1.1 案例：TensorFlow实现一个加法运算   2.1.1.1 代码 2.1.1.2 TensorFlow结构分析  2.1.2 数据流图介绍    2.1 TF数据流图 学习目标  目标  说明TensorFlow的数据流图结构  应用  无  内容预览  2.1.1 案例：TensorFlow实现一个加法运算  1 代码 2 TensorFlow结构分析  2.1.2 数据流图介绍   2.1.1 案例：TensorFlow实现一个加法运算 2.1.1.1 代码 def tensorflow_demo(): "&quot...

文章目录  2.2 图与TensorBoard   学习目标 2.2.1 什么是图结构 2.2.2 图相关操作   1 默认图 2 创建图  2.2.3 TensorBoard:可视化学习   1 数据序列化-events文件 2 启动TensorBoard  2.2.4 OP   2.2.4.1 常见OP 2.2.4.2 指令名称     2.2 图与TensorBoard 学习目标  目标  说明图的基本使用 应用tf.Graph创建图、tf.get_default_graph获取默认图 知道开启TensorBoard过程 知道图当中op的名字以及命名空间  应用  无  内容预览  2....

文章目录  2.3 会话、张量、变量OP   学习目标 2.3.1 会话   2.3.1.1 __init__(target='', graph=None, config=None)参数 2.3.1.2 会话的run()及其参数 2.3.1.3 feed操作  2.3.2 张量(Tensor)   2.3.2.1 张量的类型 2.3.2.2 张量的阶  2.3.3 创建张量的指令 2.3.4 张量的变换   2.3.4.1 类型改变 2.3.4.2 形状改变  2.3.5 张量的数***算   2.3.6 变量 2.3.6.1 创建变量 2.3.6.2 使用tf.variable_scope(...

文章目录  2.4 案例：实现线性回归   学习目标 2.4.1 线性回归原理复习 2.4.2 案例：实现线性回归的训练   1 案例确定 2 步骤分析 4 实现完整功能 6 变量的trainable设置观察  2.4.3 增加其他功能   2 增加命名空间 3 模型的保存与加载 4 命令行参数使用 完整代码 练习：将面向过程改为面向对象     2.4 案例：实现线性回归 学习目标  目标  应用op的name参数实现op的名字修改 应用variable_scope实现图程序作用域的添加 应用scalar或histogram实现张量值的跟踪显示 应用merge_all实现张量值的合并 应用a...

文章目录  2.5 TFAPI使用2.0建议   学习目标   2.5.2 TF2.0最新架构图 2.5.3 API     2.5 TFAPI使用2.0建议 学习目标  目标  无  应用  无   2.5.2 TF2.0最新架构图  饱受诟病TF1.0的API混乱  删除 queue runner 以支持 tf.data。 删除图形集合。 API 符号的移动和重命名。 tf.contrib 将从核心 TensorFlow 存储库和构建过程中移除   TensorFlow 2.0 将专注于 简单性 和 易用性，具有以下更新：  使用 Keras 和 eager execution，轻松构建模...

文章目录  6.6 tf.estimator使用入门   学习目标   6.6.1 tf.estimator介绍   6.6.1.1 Premade Estimators  6.6.2 案例：使用美国普查数据分类   6.6.2.1 案例实现      6.6 tf.estimator使用入门 学习目标  目标  知道tf.estimator的使用流程 了解什么是premade estimator  应用  应用tf.estimator完成美国普查数据的二分类   6.6.1 tf.estimator介绍 TensorFlow 中的 tf.estimator API 封装了基础的机器学习模型。...

文章目录  固定值张量   **tf.zeros(shape, dtype=tf.float32, name=None)** **tf.zeros_like(tensor, dtype=None, name=None)** **tf.ones(shape, dtype=tf.float32, name=None)** **tf.ones_like(tensor, dtype=None, name=None)** **tf.fill(dims, value, name=None)** **tf.constant(value, dtype=None, shape=None, name='Const...

文章目录  变量   1.变量的特点 2.创建变量   查看打印出来的是什么 打印变量的值【注意一定要初始化变量，然后还要在会话中运行一下】  2.使用tf.variable_scope()修改变量的命名空间    变量 TensorFlow变量是表示程序处理的共享持久状态的最佳方法。变量通过 tf.Variable OP类进行操作。变量是tensor的一种 1.变量的特点 1.存储持久化 2.可修改值 3.可指定被训练 2.创建变量 tf.Variable( initial_value=None,trainable=True,collections=None ,name=None)   in...