2020-12-22 15:23:02

new/master-pred-anal-sklearn-tf/1.md

@@ -88,7 +88,7 @@
 *   `x`：此功能代表以毫米为单位的钻石长度（0-10.74）
 *   `y`：此功能代表以毫米为单位的钻石宽度（0-58.9）
 *   `z`：此功能代表以毫米为单位的钻石深度（0-31.8）
-*   `depth`：此功能表示 z / mean（x，y）= 2 * z /（x + y）（43-79）
+*   `depth`：此功能表示`z / mean(x, y) = 2 * z / (x + y)`（43-79）
 *   `table`：此功能代表钻石顶部相对于最宽点的宽度（43-95）
 
 `x`，`y`和`z`变量表示钻石的大小。

new/master-pred-anal-sklearn-tf/2.md

@@ -23,7 +23,7 @@
 
 # K 折交叉验证
 
-在 k 折交叉验证中，我们基本上会进行多次交叉验证。 因此，在 k 倍交叉验证中，我们将数据集划分为`k`个相等大小的样本。 在许多`k`子样本中，保留了一个子样本作为用于测试模型的验证数据，其余 *k-1* 子样本用作训练数据。 然后，此交叉验证过程重复`k`次，每个`k`子样本中的每一个仅被使用一次作为验证数据。 然后可以将`k`结果平均，以产生单个估计。
+在 k 折交叉验证中，我们基本上会进行多次交叉验证。 因此，在 k 倍交叉验证中，我们将数据集划分为`k`个相等大小的样本。 在许多`k`子样本中，保留了一个子样本作为用于测试模型的验证数据，其余`k-1`子样本用作训练数据。 然后，此交叉验证过程重复`k`次，每个`k`子样本中的每一个仅被使用一次作为验证数据。 然后可以将`k`结果平均，以产生单个估计。
 
 以下屏幕截图显示了 5 倍交叉验证的直观示例（`k = 5`）：
 

new/whats-new-tf2/4.md

@@ -420,7 +420,7 @@ TensorBoard 是 TensorFlow 平台最重要的优势之一，而有了 TF 2.0，T
 
 # 使用回调和调用连接 TensorBoard
 
-TensorBoard 可以在 TF 2.0 中以两种主要方式使用。 一种方法是在使用`tf.keras.Model.fit()` *和*训练模型时将其用作回调，另一种方法是将`tf.summary`用于使用`tf.GradientTape`的较低级模型。
+TensorBoard 可以在 TF 2.0 中以两种主要方式使用。 一种方法是在使用`tf.keras.Model.fit()`训练模型时将其用作回调，另一种方法是将`tf.summary`用于使用`tf.GradientTape`的较低级模型。
 
 要在 Keras 模型训练中使用 TensorBoard，我们需要指定一个 TensorBoard 回调，该回调以`logdir`作为参数。 TensorBoard 回调的其他参数包括`histogram_freq`，`write_graph`，`write_images`和`update_freq`。 `histogram_freq`允许用户指定应该多久计算一次激活和权重直方图，并需要指定验证数据。 `write_graph`指定是否要在 TensorBoard 中可视化模型的图形，...