首页
发现
标签
搜索
APP下载
注册
登录
首页
发现
榜单
标签
收录
APP下载
搜索
注册
登录
搜索
学习吧(EduBoo.COM)
本次搜索耗时
4.014
秒,为您找到
14
个相关结果.
搜书籍
搜文档
第5章 学习
2094
2020-01-06
《把时间当作朋友》
第五章:学习 第五章:学习 勤于思考 《奥德赛》:希腊文 ΟΔΥΣΣΕΙΑ, 英文 Odyssey, 古希腊的著名史诗之一。 参见维基百科 goo.gl/wKk0E。 海妖: 指塞壬(Siren),希腊神 话中人首鸟身的怪物, 参见维基百科 goo.gl/57q3C。 我个人一直坚持把 “Critical Thinking”理解 为“独立思考”,...
根据物品特征进行分类
1554
2020-01-06
《面向程序员的数据挖掘指南》
根据物品特征进行分类特征值选取的重要性 一个简单的示例 使用Python实现推荐逻辑 如何显示“推荐理由”? 评分标准的问题 标准化 标准分带来的问题 修正的标准分 是否需要标准化? 根据物品特征进行分类 前几章我们讨论了如何使用协同过滤来进行推荐,由于使用的是用户产生的各种数据,因此又称为社会化过滤算法。 比如你购买了Phoenix专辑,我们网站上...
序列化·关系
1327
2020-01-08
《Django REST framework API 指南》
Serializer 关系检查关系。 API 参考StringRelatedField PrimaryKeyRelatedField HyperlinkedRelatedField SlugRelatedField HyperlinkedIdentityField 嵌套关系举个栗子 可写嵌套序列化类 自定义关系字段举个栗子 自定义超链接字段举个栗子 ...
背景音频播放管理
1321
2020-01-08
《uni-app API 文档》
uni.getBackgroundAudioManager() uni.getBackgroundAudioManager() 获取全局唯一 的背景音频管理器 backgroundAudioManager 。 平台差异说明 5+App H5 微信小程序 支付宝小程序 百度小程序 头条小程序 √ x √ x √ x backgroundAudio...
显式评价的问题
1252
2020-01-06
《面向程序员的数据挖掘指南》
显式评价的问题问题1:人们很懒,不愿评价物品 问题2:人们会撒谎,或存有偏见 问题3:人们不会更新他们的评论 显式评价的问题 问题1:人们很懒,不愿评价物品 首先,用户很可能不会对物品做出评价。 相信各位读者已经在亚马逊上购买了很多商品,就拿我来说,仅过去一个月我就在那里购买了直升机模型、1TB硬盘、USB-SATA转接头、维他命药片、两本Kind...
Sketch学习
1204
2020-01-06
《程序员的自我修养》
Sketch学习参考资料 Sketch学习 参考资料 Sketch 3视频教程专辑 优酷上的专辑 Sketch完全自学资源合集
6.3. 语言模型数据集(周杰伦专辑歌词)
1186
2020-01-09
《动手学深度学习》
6.3. 语言模型数据集(周杰伦专辑歌词)6.3.1. 读取数据集 6.3.2. 建立字符索引 6.3.3. 时序数据的采样6.3.3.1. 随机采样 6.3.3.2. 相邻采样 6.3.4. 小结 6.3.5. 练习 6.3. 语言模型数据集(周杰伦专辑歌词) 本节将介绍如何预处理一个语言模型数据集,并将其转换成字符级循环神经网络所需要的输入格式。...
欢迎来到21世纪
1149
2020-01-06
《面向程序员的数据挖掘指南》
欢迎来到21世纪寻找相关产品 那要如何寻找商品呢? 不仅仅是寻找商品 数据挖掘扩展了我们的能力 海量数据挖掘不是星际争霸II才有的东西 欢迎来到21世纪 到了21世纪,选择范围有限的问题已经不复存在了。 想听音乐?iTunes里有1100万首曲目!截止到2011年10月,他们一共售出了160亿首歌曲。 还想要有更多选择?可以去Spotify,那里有...
6.4. 循环神经网络的从零开始实现
1132
2020-01-09
《动手学深度学习》
6.4. 循环神经网络的从零开始实现6.4.1. one-hot向量 6.4.2. 初始化模型参数 6.4.3. 定义模型 6.4.4. 定义预测函数 6.4.5. 裁剪梯度 6.4.6. 困惑度 6.4.7. 定义模型训练函数 6.4.8. 训练模型并创作歌词 6.4.9. 小结 6.4.10. 练习 6.4. 循环神经网络的从零开始实现 在本节中,...
为预测时间序列而训练
1076
2020-01-09
《Sklearn 与 TensorFlow 机器学习实用指南》
为预测时间序列而训练 现在让我们来看看如何处理时间序列,如股价,气温,脑电波模式等等。 在本节中,我们将训练一个 RNN 来预测生成的时间序列中的下一个值。 每个训练实例是从时间序列中随机选取的 20 个连续值的序列,目标序列与输入序列相同,除了向后移动一个时间步(参见图14-7)。 首先,我们来创建一个 RNN。 它将包含 100 个循环神经元,并...
1
2
»
..2