python sklearn的快速使用
鸢尾花识别是一个经典的机器学习分类问题，它的数据样本中包括了4个特征变量，1个类别变量，样本总数为150。它的目标是为了根据花萼长度(sepallength)、花萼宽度(sepalwidth)、花瓣长
python 数据标准化
标准化：在机器学习中，我们可能要处理不同种类的资料，例如，音讯和图片上的像素值，这些资料可能是高纬度的，资料标准化后会使得每个特征中的数值平均变为0(将每个特征的值都减掉原始资料中该特征的平均)，标准
python 交叉验证
交叉验证的优点：原始采用的train_test_split方法，数据划分具有偶然性;交叉验证通过多次划分，大大降低了这种由一次随机划分带来的偶然性，同时通过多次划分，多次训练，模型也能遇到各种各样的数
Python机器学习之使用Keras进行回归预测
前期准备之Keras的scikit-learn接口包装器Keras是一个深度学习库，包含高效的数字库Theano和TensorFlow。是一个高度模块化的神经网络库，支持CPU和GPU。Scikit-
python 中 sklearn和Keras机器学习的流程的区别
我们首先比较一下sklearn的机器学习大致使用流程和Keras的大致使用流程：sklearn的机器学习使用流程：fromsklearn.模型簇import模型名fromsklearn.metrics
