EM 算法(Expectation Maximization Algorithm) EM 算法简介 准备知识 2.1 极大似然估计 2.2 Jensen 不等式 EM 算法详解 3.1 问题描述 3.2 EM 算法推倒 3.3 EM 算法流程 EM 算法小结 1 ...

一、准备数据12345import pandas as pddata = pd.DataFrame([])data['reviews'] = pd.read_table('reviews.txt',header=None,names=['reviews'])data['labels'] = pd. ...

一、前期准备__这里默认spark版本支持hive且与hadoop本本相互兼容。这里使用的版本是： Hadoop 2.7.5 Spark 2.3 Anaconda 3.5 Hive 1.2 1）安装mysql 2）创建hive用户并赋予权限 12345678create user 'hive' ...

使用 Keras 分析 IMDB 电影数据1234567891011# Importsimport numpy as npimport kerasfrom keras.datasets import imdbfrom keras.models import Sequentialfrom keras ...

Keras简单示例Keras 层就像神经网络层。有全连接层、最大池化层和激活层。你可以使用模型的 add() 函数添加层。例如，简单的模型可以如下所示： 1234567891011121314151617from keras.models import Sequentialfrom keras.l ...

传送门：BF神经网络（一）算法原理与实现 BF神经网络预测共享单车使用情况BF实现算法基础BF神经网络算法的原理及实现参考前一篇博客：http://ihoge.cn/2018/DL_BFNN.html 加载和准备数据构建神经网络的关键一步是正确地准备数据。不同尺度级别的变量使网络难以高效地掌握正确 ...

传送门：BF神经网络（二）预测共享单车使用情况 一、反向传播算法基本原理如何让多层神经网络学习呢？我们已了解了使用梯度下降来更新权重，反向传播算法则是它的一个延伸。以一个两层神经网络为例，可以使用链式法则计算输入层-隐藏层间权重的误差。 要使用梯度下降法更新隐藏层的权重，你需要知道各隐藏层节点的误 ...

本文内容包含： 一、基本概念 二、K-means 三、凝聚层次聚类 四、DBSCAN密度聚类 五、簇评估 一、基本概念聚类分析仅根据数据内部发现的描述对象及其关系信息将数据对象分组。组件的相似性（如凝聚度）越大，组件差别越大（如分离度），聚类就越好。 1. 不同的 ...

一、Tensorflow简单示例1. 基本运算123456789101112131415161718192021222324#定义一个常量a = tf.constant([3,3])#定义一个变量x = tf.Variable([1,2])#定义一个加法opadd = tf.add(a,x)#定义 ...