- 博客(302)
- 资源 (25)
- 收藏
- 关注
RSS订阅原创 BeautyGAN论文翻译
虽然有其他朋友对该篇论文进行了翻译，但我在想，假如没有这篇翻译我该怎么办。还是自己走一遍，学习没有捷径。BeautyGAN: Instance-level Facial Makeup Transfer with Deep Generative Adversarial NetworkBeautyGAN: 基于深度生成对抗网络的实例级面部妆彩迁移ABSTRACT摘要Facial makeu...
2019-11-13 21:33:59
5525
3
翻译 Kaggle教程 机器学习中级5 交叉验证
在本节课程中，你将会学习如何使用交叉验证来评估模型性能。1、介绍机器学习是一个迭代的过程。您将面临以下选择：使用什么预测变量、使用什么类型的模型、向这些模型提供什么参数等等。目前为止，你使用验证数据（或保留数据）评估模型质量来做出这些选择。但这种方法也有一些缺点。假设你有一个5000行的数据集，通常你会保留大约20%（1000行）的数据作为验证数据。但这再模型评分中会带来随机变化，有时在一...
2019-10-15 21:25:21
772
2
翻译 Kaggle教程 机器学习中级4 Pipeline
在本教程中，你将学习如何使用pipeline来清理你的建模代码。1、介绍Pipeline是一种简单的方法，能让你的数据预处理和建模步骤一步到位。很多数据科学家没有使用pipeline来建模，但pipeline有很多重要好处。包含：更精简的代码：考虑到数据处理时会造成混乱，使用pipeline不需要在每个步骤都特别注意训练和验证数据。更少的Bug：错误应用和忘记处理步骤的概率更小。更易...
2019-10-15 21:22:49
503
原创 NodeRed安装与反向代理配置
Node-RED是一个基于浏览器的可视化编程工具，通过简单的托拉拽，就能够简单快速地将硬件设备、API和在线服务通过MQTT、TCP、Websocket、HTTP等组件连接在一起。一览为快：1、安装项目地址：https://github.com/node-red/node-red安装：sudo npm install -g --unsafe-perm node-red启动：node-...
2019-10-11 22:23:26
1842
翻译 Kaggle教程 机器学习中级3 分类变量
在本教程中，您将了解什么是分类变量，以及处理这类数据的三种方法。1、介绍分类变量类似于枚举，拥有特定数量的值类型。比如一项调查，询问你多久吃一次早餐，并提供四个选项:“从不”、“很少”、“大多数日子”或“每天”。在本例中，数据是分类的，因为答案属于一组固定的类别。如果对人们所拥有的汽车品牌进行调查，回答可以分为“本田”、“丰田”和“福特”。在本例中，数据也是分类的。如果您没有...
2019-10-07 15:48:46
784
翻译 Kaggle教程 机器学习中级2 缺失值处理
在本课程中，您将学习三种处理缺失值的方法。然后使用实际数据集比较这些方法的效果。1、介绍造成数据丢失的原因有很多。例如，两间卧室的房子不包括第三间卧室的价值。调查对象可能选择不分享其收入。大多数机器学习库(包括s...
2019-09-29 20:43:44
2527
翻译 Kaggle教程 机器学习中级1 课程介绍
1、课程介绍欢迎来到Kaggle Learning《中级机器学习》微课程！如果你有一些机器学习的基础，并且你想学习如何快速提高模型的质量，那么你就来对地方了！在这个微型课程中，您将学习如何：处理现实数据集中常见的数据类型(缺失的值、分类变量)，设计pipelines来提高机器学习代码的质量，使用先进的技术进行模型验证(交叉验证)，建立最先进的模型，广泛用于赢得Kaggle比赛(XGB...
2019-09-29 20:41:37
440
翻译 Kaggle教程 机器学习入门7 继续你的征程
《机器学习入门》系列课程翻译完毕，撒花 ✿✿ヽ(°▽°)ノ✿1、机器学习竞赛进入机器学习竞赛的世界，不断提高，看看你的进步。https://www.kaggle.com/kernels/fork/12591982、继续你的征程有很多方法可以改进您的模型，此时，尝试是一个很好的学习方法。.改进模型的最佳方法是添加特征。看看这些数据列表，想想什么可能影响房价。缺失值或非数字数据类型将导致错...
2019-09-24 16:42:40
435
翻译 Kaggle教程 机器学习入门6 随机森林
1、介绍决策树给您留下一个难题。一颗较深、叶子多的树将会过拟合，因为每一个预测都来自叶子上仅有的几个历史训练数据。一颗较浅、叶子少的树将会欠拟合，因为它不能在原始数据中捕捉到那么多的差异。即使是当今最精良的建模技术，也面临着拟合不足和拟合过度之间问题。但是，许多模型通过一些不错的点子来提升效果。我们将以随机森林为例。随机森林使用了许多树，它通过对每棵成分树的预测进行平均来进行预测。它通常比单...
2019-09-24 14:09:45
862
翻译 Kaggle教程 机器学习入门5 欠拟合与过拟合
在这一步的最后，您将了解欠拟合和过拟合的概念，并将能够应用这些概念使您的模型更加准确。1、尝试不同的模型现在您已经有了一种可靠的方法来度量模型的准确性，您可以使用其他模型进行试验，看看哪个模型的预测效果最好。那么有哪些模型可选择呢?您可以在scikit-learn的文档中看到，决策树模型有许多选项。最重要的选项决定了树的深度。回想一下这门微课程的第一节课，一棵树的深度是它在做出预测之前进行分...
2019-09-24 01:05:08
471
翻译 Kaggle教程 机器学习入门4 模型验证
你已经建立了一个模型。但是它好不好呢?在本节课中，您将学习使用模型验证来度量模型的质量。度量模型质量是迭代改进模型的关键。1、什么是模型验证您将需要评估几乎所有构建的模型。在大多数应用程序中，模型质量的相关度量是预测精度。换言之，模型预测结果是否接近实际发生情况。许多人在测量预测精度时犯了一个巨大的错误。他们用训练数据进行预测，并将预测结果与训练数据中的目标值进行比较。您很快就会发现这个弊...
2019-09-23 11:34:33
431
翻译 Kaggle教程 机器学习入门3 你的第一个机器学习模型
1、选择建模数据原始数据集有太多的干扰变量，难以理解，甚至无法很好地打印出来。如何将这些数据处理为比较精简易懂呢？我们先凭直觉选择几个变量。后面的课程将向您展示使用统计技术来自动优选变量。选择变量/列前，我们先来看看数据集中有哪些列，使用DataFrame的columns属性来实现，代码如下：
2019-09-23 01:12:41
718
翻译 Kaggle教程 机器学习入门2 数据探索
1、使用Pandas熟悉数据任何机器学习项目的第一步都是熟悉数据。你可以使用Pandas来实现。Pandas是数据科学家用来探索和操作数据的主要工具。大多数人在代码中将panda简写为pd，使用以下代码将其引用：import pandas as pdPandas最重要的部分就是DataFrame了。DataFrame保存了类似表的数据类型，就像Excel中的工作表或SQL数据库中的表。P...
2019-09-22 19:15:21
681
翻译 Kaggle教程 机器学习入门1 模型是怎样工作的
简介我们将首先概述机器学习模型如何工作以及如何使用它们。如果您以前做过统计建模或机器学习，这可能会让您觉得很基础。别担心，我们很快就会建立强大的模型。
2019-09-22 18:14:00
566
转载 十分钟上手sklearn：特征提取，常用模型，交叉验证
更多干货就在我的个人博客http://blackblog.tech欢迎关注！这一篇虽然叫做：十分钟上手sklearn：特征提取，常用模型，但是写着写着我就想把每一个模型都详细说一下，所以也可以看作是机器学习算法概述了。上一篇我们讲解了如何安装sklearn,导入自带数据集，创建数据，对数据进行预处理，通过上一篇的讲解，相信大家能够感受到sklearn的强大之处。这一篇，我们将对skl...
2019-09-20 11:40:31
616
转载 图像处理中经常用的一幅图片Lena.jpg
在数字图像处理中，Lena（Lenna）是一张被广泛使用的标准图片，特别在图像压缩的算法研究中。(为什么用这幅图，是因为这图的各个频段的能量都很丰富：即有低频（光滑的皮肤），也有高频（帽子上的羽毛），很适合来验证各种算法）然而，这张图片背后的故事是颇有意思的，很多人都抱有学究都是呆子的看法，然而Lena对此就是一个有力的驳斥。lena（lenna）是一张于1972年11月...
2019-09-20 11:36:08
104078
39
原创 MQTT协议 NodeJS客户端
NodeJS和npm安装就不说了，直接进入正题。（1）创建项目目录，例如MqttClient，在该目录下执行命令npm init,这时就会在目录下产生package.json配置文件，包括依赖库管理。（2）参考MQTT库官方文档 https://www.npmjs.c...
2019-09-10 17:48:00
1609
1
转载 SCRUM敏捷开发教程
大家好，我是煎饼哥，本期向大家介绍一个关于敏捷开发的方法，叫做scrum，相信资深的产品经理都接触过类似的项目管理方法。 scrum敏捷开发，是一个美国统计学教授记录了多年工作经验，总结出来的一套简单易懂的开发方法，我接触过不少产品经理，惊奇发现不少产品经理的确是产品把控的非常好，输出的BRD,MRD,PRD等都非常专业，但是却没一套很好的项目管理方法。 干货分享第一期：10分钟教会你...
2019-07-05 16:56:38
1240
原创 C#常用经典代码片段
本文主要记录项目中经常需要查阅的C#代码片段。0x01 子线程操作UI0x02 保存与读取二进制序列化文件0x03 开机自启动
2019-06-23 10:36:08
2110
原创 C# WinForm窗口自适应布局
本文用一个实际布局案例，介绍了利用`Docker`和`Anchor`来实现一个自适应大小的界面布局，以及控件放置顺序对布局效果的影响。
2019-06-22 15:31:37
12859
原创 8位CPU设计(1) 门电路和锁存器、触发器
这是一个系列文章，从最简单的门电路介绍，从基础的锁存器、触发器、编码器、译码器等一系列数字逻辑电路开始，最终构造一个简易版的CPU实物
2019-06-07 12:37:31
4620
转载 继电器是如何成为CPU的（1）
【转载理由：用最基础的继电器通俗易懂地讲解门电路，对于理解CPU的与非或等门电路、触发器和寄存器有很大帮助】PS：很久之前看的文章了，现在翻出来看看，对于门电路理解很有裨益，也是CPU设计的基础阅读目录(Content)从电池、开关和继电器开始 用继电器做个与门 用继电器做个或门 用继电器做个异或门 做一些看起来可用的东西 小小约定 振荡器 加法器 寄存...
2019-05-24 20:45:12
1244
翻译 ABB机器人教程 (3)创建一个简单的PC SDK上位机应用
一、概述动手来开始编程吧，先创建一个简单的应用程序，显示网络上所有的虚拟和真实控制器。然后就可以登录到控制器并开始执行RAPID程序.二、建立项目使用下列流程来创建PC SDK项目:步骤操作三、创建用户界面创建用户应用界面:实现网络扫描添加一个网络监控器
2019-05-17 21:51:27
11604
20
原创 PowerDesigner设计MySQL表结构转SQLServer问题
0x00 问题背景用设计PowerDesigner设计好了MYSQL的表结构，但是某个系统采用的是SQLServer数据库，也需要用到这些表，那么如何省时省力地迁移到SQLServer数据库呢，笔者尝试了各种各样的方式，最后发现方法十分简单有些舍近求远了。0x01 使用NavicatNavicat支持将各种数据库结构相互迁移，以前有用Navicat将SqlLite数据库转换成MySQL数据库...
2019-02-20 17:05:40
1331
原创 ABB机器人教程 (2)RobotStudio学习
实际上这一部分在网上有详细的教程，作者也是看着这些教程学习的，也不打算重复造轮子了，下面给出这些教程资料。
2019-01-27 12:00:56
7581
2
原创 ABB机器人教程 (1)学习准备
0x01 前言ABB机器人在自动化生产中应用极广，本系列教程旨在教会大家如何入门ABB机器人，了解ABB机器人坐标位等基础知识、示教器的使用等仿真、结合C#端开发上位机程序等。
2019-01-27 11:35:07
9259
7
原创 内外网多网段上网配置
0x00 项目需求有两个网段192.168.1.x(网段A，可上网)和192.168.2.x(网段B，不可上网)，需要配置电脑既可以上网，又能访问192.168.2.x网段的设备。0x01 实现流程打开网络适配器，打开TCP/IPV4属性正常填写192.168.1.x网段的IP地址、子网掩码、网关和DNS服务器。点击【高级】选项，网段A的地址已经有了，添加网段B的IP地址和子网掩码以及网关...
2019-01-23 14:10:00
1980
原创 Java开发模式之回调接口
0x00 项目需求开发Jar包，实现调用端A与Jar包B的实时通信，A、B可以随时消息互发。0x01 回调实现A引用B的Jar包后，主动调用B的函数，就可以发消息给B。B发消息给A则使用interface接口回调CallBackListener.java：public interface CallBackListener { void callBack(String msg);}...
2019-01-16 21:01:00
520
原创 C#开发模式之事件委托接口
0x00 项目需求开发dll库，实现调用端A与dll库B的实时通信，A、B可以随时消息互发。0x01 函数实现 A引用B的dll库后，主动调用B的函数，就可以发消息给B。0x02 事件委托 B要发消息给A可以使用委托方法。
2019-01-14 20:53:53
593
转载 解决SQL Server 无法连接127.0.0.1的问题
使用SQL Server必须了解的常见问题解决使用IP地址无法连接SQLServer数据库的问题
2019-01-07 14:03:13
17223
1
原创 从测试到生产的团队协同开发流程及GitLab配置
一、开发流程这是研究出来的开发流程，实现目标是开发者开发代码并测试共享，由开发组长再次综合测试并部署到生产服务器(小作坊生产，不知道大公司的情况，不喜勿喷，欢迎交流)：0、开发者组长建立项目并且共享到gitlab1、开发者A、B通过git插件导入gitlab上的项目2、开发者A、B修改各自业务代码3、开发者A、B通过FTP上传到测试web服务器查看效果4、开发者A、B commit ...
2018-10-24 11:44:58
1095
原创 Java打包后运行找不到资源文件问题
Java打包时没有将资源文件加入，项目右键->属性->Java Build Path 查看Included发现只包含了 */.java文件，Included右键->Add Multiple…将想要打包的文件包含进去即可...
2018-09-26 11:34:39
4708
原创 PHP字符串转化为浮点数的坑
偶然发现，将数据库内decimal(20,2)类型的数据查出来，乘以100并转化成整数的不精确问题。由于此处有将字符串转化为浮点型数据的过程，浮点数是不精确的
2018-07-07 16:03:00
8890
1
原创 ThinkJDBC源码解析(二) 数据库连接配置的三种方式实现
ThinkJD有三种配置方式访问数据库： 1. 配置文件方式 2. 帐号密码方式 3. 连接池方式
2018-05-28 21:30:55
444
1
原创 开源作品layTabPlus 一个layUI后台Tab布局框架的扩展插件
layTabPlus是一个layUI后台Tab布局框架的扩展插件，实现了Tab管理、刷新按钮、iframe优化等功能。项目地址：https://gitee.com/Leytton/layTabPlus Demo演示：http://leytton.gitee.io/laytabplus效果截图： ( ThinkJDBC 经历了多次蜕变后,已经成为一个很不错的项目，请给它一次机会 :laughing: )
2018-05-27 16:59:53
3484
1
原创 ThinkJDBC源码解析(一) 链式函数与D.M()方法实现
## 0x01 链式调用首先我们来实现链式调用方法，所谓链式调用就是一行代码能多次调用对象方法，类似语法格式为new M().table("user").field("id,name").where("id=3").find();
2018-05-22 09:28:19
372
1
原创 MySQL常用及高级语法集锦
一、前言本文记录项目需求中遇到过的MySQL语法实例，持续更新。二、语法实例0x01 常用语法留个沙发空位0x02 根据外键关联表转移字段表T1中有个t2_id字段，想将关联表T2中对应的字段内容转移到t1中来UPDATE t1 LEFT JOIN t2 ON t1.t2_id = t2.id SET t1.name=t2.name,t1.p...
2018-05-04 18:43:19
5834
4
原创 开源作品ThinkJDBC—一行代码搞定数据库操作
1 简介ThinkJD，又名ThinkJDBC，一个简洁而强大的开源JDBC操作库。你可以使用Java像ThinkPHP框架的M方法一样，一行代码搞定数据库操作
2018-04-20 17:32:33
2517
4
AndrewNG深度学习笔记V5.61—黄海广.pdf
2020-01-26
AndrewNG机器学习笔记v5.4—黄海广.pdf
2020-01-26
ABB PC SDK Guide.zip
2019-07-23
M2Mqtt_Unity3D
2019-01-20
quartz-2.2.3-Jar包.zip
2018-04-13
WebRTC实时通信系列示例代码webrtc-web-master.zip
2017-08-07
CryptoJS v3.1.2
2016-12-20
M2Mqtt.Net.dll C#库文件
2016-07-13
DS18B20中文手册.pdf
2014-08-12
SpringMVC视频教程_李守宏主讲(25集)
2014-08-11
普中科技单片机开发板STM32电路图(原理图).pdf
2014-08-08
普中科技单片机开发板EM3_V30原理图.pdf
2014-08-08
STM32库函数LED灯示例源码.zip
2014-07-14
STM32的函数说明（中文）.pdf
2014-07-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人