发现有价值的观点，记录自己的思考。
数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。 在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。 其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上。 好处： 提升模型的收敛速度 提升模型的精度 Python版Sigmod函数： def sigmoid(x): ''' 归一化函数 ''' import numpy as np return 1.0 / (1.0...
''' 绘制动画 ''' import numpy as np import matplotlib.pyplot as plt from matplotlib import animation import networkx as nx import random fig, ax = plt.subplots() G = nx.Graph() G.add_edge(0,1) def init_network(): # nx.draw(G, node_size=10, node_color='c') re...
python for循环 控制步长： for i in range(0,10,2): print(i) 0 2 4 6 8 因此，倒序循环可以写作： for i in range(10,0,-1): print(i) for 循环 步长为小数： import numpy as np for i in np.arange(0,1,0.1): print(round(i,4)) 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Python 按字典的Value值排序 ： 先说几个...
MNIST是在机器学习领域中的一个经典问题。该问题解决的是把28x28像素的灰度手写数字图片识别为相应的数字，其中数字的范围从0到9。 MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) ...
使用h5py模块进行处理的文件。后缀为hdf5。关于hdf5文件的作用，官方文档里有着简单的叙述，当然是英文的： HDF5 lets you store huge amounts of numerical data, and easily manipulate that data from NumPy. For example, you can slice into multi-terabyte datasets stored on disk, as if they were real NumPy arr...
勾选本次任务使用的技能（最多 3 个）· 技能只提供任务指引。
联网追踪热点，查找站内内容，
将发现整理成你的下一篇笔记。