文件名称：deep-learning-tensorflow-python:深度学习tensorflow python GAN
文件大小：6.86MB
文件格式：ZIP
更新时间：2024-04-28 23:06:24
JupyterNotebook
深度学习tensorflow python 1-使用仅1个神经元，1个简单回归感知器的深度学习将°C转换为°F。 因此神经网络将发现标准方程的常数值（9/5 + 32）。 使用值X（自变量）预测Y（因变量），然后通过反向工程找到一条线。 2-使用简单的RN（神经网络），根据天气（气候）的温度预测（回归）冰淇淋销售。 输入值o X是温度，输出值o Y是销售量的预测。 与简单的ML回归模型相比。 3-出租自行车使用量的预测（回归），有几个条目（季节，天气和气候，日期，假日，温度），因此请找到一些消费方式。 现在，对于每个属性，我们都有一个输入神经元，而不是每个有100个神经元的隐藏层，还有一个回归值的输出神经元。 使用评估指标（主要是R²）来查看我们选择的功能是有助于还是阻碍了模型。 特征选择技术（RFE-特征选择） 4-使用kaggle基地对华盛顿州2014年至2015年房地产价格进
【文件预览】：
deep-learning-tensorflow-python-main
----1 - primeiro_perceptron_Fahrenheit_DL_TensorFlow_Python.ipynb(122KB)
----5_Classificacao_sentimentos_reviews_alexa_DL_TensorFlow.ipynb(402KB)
----LICENSE(1KB)
----2 - Previsao_Lucros_um_perceptron_DL_tensorflow.ipynb(107KB)
----README.md(2KB)
----data()
--------SalesData.csv(12KB)
--------kc-house-data.csv(2.4MB)
--------Celsius-to-Fahrenheit.csv(263B)
--------teste.txt(1B)
--------amazon-alexa.tsv(503KB)
--------bike-sharing-daily.csv(49KB)
----.gitignore(2KB)
----4_Regressao_Preco_Casas_DL_tensorflow.ipynb(5.02MB)
----3_Regressao_aluguel_bike_perceptron_DL_tensorflow.ipynb(2.7MB)