Python数据科学笔记本分类任务使用sklearn和Tensorflow实现

参考 使用TensorFlow-Slim进行图像分类安装TensorFlow参考 如在Ubuntu下安装TensorFlow with GPU support, python 2.7版本下载TF-sl

python MNIST分类 示例源码（tensorflow）

用kNN算法对本次实验中的数据集的分类效果也比较一般，不过我试过其它更简单一些的数据集，确实还是会有不错的分类准确性的，这里就不赘述了。

learn-python:使用python学习数据科学

1.使用make_blobs生成样本为200,分类为2的数据集,并绘制成散点图。 import matplotlib.pyplot as plt # 导入数据集 from sklearn.datase

SVM图像分类:使用`sklearn.svm`进行图像分类

笔记本:使用希伯来语中的开源笔记本免费学习Python

Hands-On-Machine-Learning-with-ScikitLearn-and-TensorFlow和deeplearningwithpython作者是keras的作者很推荐初学者

使用Mapbox GL JS可视化Python Jupyter笔记本中的数据

sklearn机器学习使用旧金山犯罪分类数据,分为测试集、训练集等。属于多分类问题,提供的数据特征包含时间、地点、描述等。花了不少时间才从公开数据网站kaggle上下载到。