张士玉小黑屋

一、前言CRITIC权重法是一种比熵权法和标准离差法更好的客观赋权法：它是基于评价指标的对比强度和指标之间的冲突性来综合衡量指标的客观权重。考虑指标变异性大小的同时兼顾指标之间的相关性，并非数字越大就说明越重要，完全利用数据自身的客观属性进行科学评价。对比强度是指同一个指标各个评价方案之间取值差距的大小，以标准差的形式来表现。标准差越大，说明波动越大，即各方案之间的取值差距越大，权重会越高；

梯度下降算法在LinearRegression中的应用文章目录梯度下降算法在LinearRegression中的应用单变量（univariate）题目：预测利润处理Trainingset输入输出的数据提取并转换成矩阵形式损失函数求解梯度下降算法可视化预测单变量（univariate）题目：预测利润(吴恩达机器学习课后题链接放在最后)输入：城市人口数输出：利润

这节课，我们介绍三种保存模型的方法，另外介绍两个很有用的工具，一个是游乐场，一个是tensorboard，这里只是浅浅带过，以后会深入讨论昨天没更新，属实是累了，下一篇卷积神经网络，冲冲冲一、只保留权重和偏执importtensorflowastffromtensorflowimportkerasfromtensorflow.kerasimportdat

负载均衡简介： 负载均衡是由多台服务器以对称的方式组成一个服务器集合，每台服务器都具有等价的地位，都可以单独对外提供服务而无须其他服务器的辅助。其工作模式为将外部发送来的请求均匀分配到对称结构中的某一台服务器上，而接收到请求的服务器独立地回应客户的请求。均衡负载能够平均分配客户请求到服务器列阵，基于此提供快速获取重要数据，解决大量并发访问服务问题。负载均衡作用：1、转发功能按照一定的算法【权重、轮询】，将客户端请求转发到不同应用服务器上，减轻单个服务器压力，提高系统并发量。2、故障移除

这个与上个教程的区别就是两层神经网络一、数据集importtensorflowastftf.__version__'2.6.0'#导入数据集mnist=tf.keras.datasets.mnist(train_images,train_labels),(test_images,test_labels)=mnist.load_data()train_images.shape,test_images.shape,train_labe

深度学习入门-与学习相关的技巧目录摘要1. 参数的更新1.1SGD1.2SGD 的缺点1.3Momentum（动量）1.4AdaGrad1.5Adam1.6 最优化方法的比较1.7 基于MNIST 数据集的更新方法的比较2. 权重的初始值3.BatchNormalization（批归一化）4. 正则化5. 超参数的验证摘要参数更新方法：SGD、Momentum、AdaGrad、Adam 等。权重初始值的赋值方法对进行正确的学习非常重要。作为权重初始值，Xavier 初始值、He 初始值等

在数据科学中，梯度下降GradientDescentalgorithm是重要且困难的概念之一。在这里，我们以非常简单的方式通过一个示例来解释这个概念。看一下这个。贾纳维·马哈坦（JahnaviMahanta）。当我第一次开始学习机器学习算法时，要弄清算法的作用是一项艰巨的任务。不仅因为很难理解所有的数学理论和符号，而且还很无聊。当我转向在线教程寻求答案时，我只能再次看到方程式或高级解释，而在大多