社区
《零基础学机器学习》
代码
帖子详情
第05课 深度神经网络——找出可能流失的客户
零基础学机器学习
2022-01-04 13:49:30
5.4 用Keras单隐层网络预测客户流失率
代码:
5.4 用Keras单隐层网络预测客户流失率|code_1.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_2.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_3.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_4.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_5.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_6.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_7.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_8.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_9.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_10.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_11.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_12.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_13.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_14.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_15.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_16.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_17.py
代码:
5.4 用Keras单隐层网络预测客户流失率|code_18.py
5.5 分类数据不平衡问题:只看准确率够用吗
代码:
5.5 分类数据不平衡问题:只看准确率够用吗|code_1.py
代码:
5.5 分类数据不平衡问题:只看准确率够用吗|code_2.py
代码:
5.5 分类数据不平衡问题:只看准确率够用吗|code_3.py
代码:
5.5 分类数据不平衡问题:只看准确率够用吗|code_4.py
代码:
5.5 分类数据不平衡问题:只看准确率够用吗|code_5.py
代码:
5.5 分类数据不平衡问题:只看准确率够用吗|code_6.py
5.6 从单隐层神经网络到深度神经网络
代码:
5.6 从单隐层神经网络到深度神经网络|code_1.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_2.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_3.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_4.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_5.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_6.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_7.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_8.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_9.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_10.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_11.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_12.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_13.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_14.py
代码:
5.6 从单隐层神经网络到深度神经网络|code_15.py
5.7 用Keras深度神经网络预测客户流失率
代码:
5.7 用Keras深度神经网络预测客户流失率|code_1.py
代码:
5.7 用Keras深度神经网络预测客户流失率|code_2.py
代码:
5.7 用Keras深度神经网络预测客户流失率|code_3.py
代码:
5.7 用Keras深度神经网络预测客户流失率|code_4.py
代码:
5.7 用Keras深度神经网络预测客户流失率|code_5.py
5.8 深度神经网络的调试及性能优化
代码:
5.8 深度神经网络的调试及性能优化|code_1.py
代码:
5.8 深度神经网络的调试及性能优化|code_2.py
代码:
5.8 深度神经网络的调试及性能优化|code_3.py
代码:
5.8 深度神经网络的调试及性能优化|code_4.py
代码:
5.8 深度神经网络的调试及性能优化|code_5.py
代码:
5.8 深度神经网络的调试及性能优化|code_6.py
代码:
5.8 深度神经网络的调试及性能优化|code_7.py
代码:
5.8 深度神经网络的调试及性能优化|code_8.py
...全文
332
回复
打赏
收藏
第05课 深度神经网络——找出可能流失的客户
5.4 用Keras单隐层网络预测客户流失率 代码:5.4 用Keras单隐层网络预测客户流失率|code_1.py 代码:5.4 用Keras单隐层网络预测客户流失率|code_2.py 代码:5.4 用Keras单隐层网络预测客户流失率|code_3.py 代码:5.4 用Keras单隐层网络预测客户流失率|code_4.py 代码:5.4 用Keras单隐层网络预测客户流失率|code_5.py 代码:5.4 用Keras单隐层网络预测客户流失率|code_6.py 代码:5.4 用Ke
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
用大白话讲透
深度
学习与
神经网络
——从炒菜、人脸解锁到垃圾邮件,人人都能懂的人工智能
用大白话讲透
深度
学习与
神经网络
——从炒菜、人脸解锁到垃圾邮件,人人都能懂的人工智能
六、25个
深度
神经网络
模型
1. 引言 1.1 神经元 1.2卷积神经元(Convolutional cells) 1.3 解卷积神经元 1.4 池化神经元和插值神经元(Pooling and interpolating cells) 1.5均值神经元和标准方差神经元(Mean and standard deviation cells)(作为概率神经元它们总是成对地出现) 1.6 循环神经元(Recurrent cell...
神经网络
知识梳理——从神经元到
深度
学习
在
深度
学习十分火热的今天,不时会涌现出各种新型的人工
神经网络
,想要实时了解这些新型
神经网络
的架构还真是不容易。光是知道各式各样的
神经网络
模型缩写(如:DCIGN、BiLSTM、DCGAN……还有哪些?),就已经让人招架不住了。 因此,这里整理出一份清单来梳理所有这些架构。其中大部分是人工
神经网络
,也有一些完全不同的怪物。 尽管所有这些架构都各不相同、功能独特,当我在画它们的节点图时……其中潜在的关...
前馈
神经网络
——
深度
学习之
神经网络
核心原理与算法
五月两场 | NVIDIA DLI
深度
学习入门
课
程5月19日/5月26日一天密集式学习 快速带你入门阅读全文>正文共7165个字,85张图,预计阅读时间35分钟...
神经网络
与
深度
学习笔记——十大经典机器学习算法
线性回归是一种监督学习算法,用于预测连续型目标变量。它通过找到一条最佳拟合直线,建立输入特征与连续输出之间的线性关系。核心思想:用一条直线ywxby=wx+bywxb尽
可能
精确地拟合数据点,使得预测值与真实值之间的误差最小。逻辑回归虽然名字带“回归”,实际上是经典的二分类算法。它通过 Sigmoid 函数将线性输出映射到01[0,1]01区间,表示样本属于正类的概率。决策树是一种树形结构的监督学习算法,通过不断询问特征相关的问题来对数据进行分类或回归。
《零基础学机器学习》
7
社区成员
359
社区内容
发帖
与我相关
我的任务
《零基础学机器学习》
本书的目标,是让非机器学习领域甚至非计算机专业出身但有学习需求的人,轻松地掌握机器学习的基本知识,从而拥有相关的实战能力。
复制链接
扫一扫
分享
社区描述
本书的目标,是让非机器学习领域甚至非计算机专业出身但有学习需求的人,轻松地掌握机器学习的基本知识,从而拥有相关的实战能力。
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章