我是机器学习和神经网络的新手.我知道如何构建非线性分类模型,但我目前的问题是连续输出.我一直在寻找有关神经网络回归的信息,但我遇到的只是关于线性回归的信息- 没有关于非线性情况的信息.这很奇怪,因为为什么有人会使用神经网络来解决简单的线性回归呢？这不就像用核弹杀死一只苍蝇吗？
所以我的问题是:什么使神经网络非线性？(隐藏层？非线性激活函数？)或者我对"线性"这个词有完全错误的理解 - 线性回归NN能否准确地模拟比y = aX + b更复杂的数据集？"线性"这个词是否与"逻辑"相反？
(我打算使用TensorFlow,但TensorFlow线性模型教程使用二进制分类问题作为示例,所以这对我也没有帮助.)
我最近注意到,我使用迭代遍历DataFrame行的函数.iloc非常慢.我发现有一个更快的方法被调用.iat,据说相当于.iloc.我尝试了它,它将运行时间减少了大约75%.
但我有点犹豫:为什么有一个"等效"的方法更快？这两者的内部运作之间必然存在一些差异,这是它们存在的原因,而不仅仅是速度更快的原因.我试过到处寻找,但即使是熊猫文档也只是说明了这一点
DataFrame.iat
快速整数位置标量访问器.与iloc类似,iat提供基于整数的查找.您也可以使用这些索引器进行设置.
这没有用.
使用有限制.iat吗？为什么更快; 它更邋?? 或者我只是切换到使用.iat并愉快地忘记.iloc曾经存在过？