引入依赖和数据

最好的学习就是输出,所以虽然这个预测很多人做过了,我还是在这里再做一遍,纯粹是为了自己学习.

先引入数据,准备进行分析

首先需要了解元素周期表以及元素数据:

维基百科的元素周期表词条

元素数据

The source code: xgboost_regression

本文环境搭建的基础是 Python3.9， 因为 M1 为 ARM 架构，所以放弃了 Anaconda，使用 Miniforge3。包括 Tensorflow, xgboost, Lightgbm, Numpy, Pandas, Matplotlib, NGBoost 等。当然，因为是 Python3.9， 所以有些库实在是无法使用。

The source code: example_09: CNN

Resnet Visualize

Use LeNet model to recognize Mnist handwritten digits

• Data
• Pre-processing
• Feature-Extractor
• Split Training, Test, Validation
• Build Model
• Gradient Descent
• Evaluation
• Predicat
• Analysis