From 9089d3f4d798e3dcbc31ac28362a0dd2e7fe1857 Mon Sep 17 00:00:00 2001 From: zhouxiao-coder Date: Thu, 12 Jan 2017 21:53:50 +0800 Subject: [PATCH] more revise --- fit_a_line/README.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/fit_a_line/README.md b/fit_a_line/README.md index 403f7cc..9838667 100644 --- a/fit_a_line/README.md +++ b/fit_a_line/README.md @@ -46,7 +46,7 @@ cd data && python prepare_data.py | CRIM | 该镇的人均犯罪率 | 连续值 | | ZN | 占地面积超过25,000平方呎的住宅用地比例 | 连续值 | | INDUS | 非零售商业用地比例 | 连续值 | -| CHAS | 是否临近 Charles River | 离散值，1=邻近；0=不邻近 | +| CHAS | 是否邻近 Charles River | 离散值，1=邻近；0=不邻近 | | NOX | 一氧化氮浓度 | 连续值 | | RM | 每栋房屋的平均客房数 | 连续值 | | AGE | 1940年之前建成的自用单位比例 | 连续值 | @@ -86,7 +86,7 @@ python prepare_data.py -r 0.8 #默认使用8:2的比例进行分割 在更复杂的模型训练过程中，我们往往还会多使用一种数据集：验证集。因为复杂的模型中常常还有一些超参数（[Hyperparameter](https://en.wikipedia.org/wiki/Hyperparameter_optimization)）需要调节，所以我们会尝试多种超参数的组合来分别训练多个模型，然后对比它们在验证集上的表现选择相对最好的一组超参数，最后才使用这组参数下训练的模型在测试集上评估测试误差。由于本章训练的模型比较简单，我们暂且忽略掉这个过程。 ### 提供数据给PaddlePaddle -准备好数据之后，我们使用一个Python data provider来为PaddlePaddle的训练过程提供数据。一个 data provider 就是一个Python函数，它会被PaddlePaddle的训练过程调用。在这个例子里，只需要读取已经保存好的数据，然后一行一行的返回给PaddlePaddle的训练进程即可。 +准备好数据之后，我们使用一个Python data provider来为PaddlePaddle的训练过程提供数据。一个 data provider 就是一个Python函数，它会被PaddlePaddle的训练过程调用。在这个例子里，只需要读取已经保存好的数据，然后一行一行地返回给PaddlePaddle的训练进程即可。 ```python from paddle.trainer.PyDataProvider2 import * -- GitLab