- 博客(6)
- 收藏
- 关注
RSS订阅转载 matplotlib学习之设置线条颜色、形状
本文是学习《matplotlib for python developers》的一点笔记plot画图时可以设定线条参数。包括：颜色、线型、标记风格。1）控制颜色颜色之间的对应关系为b—blue c—cyan g—green k—-blackm—magenta r—red w—white y—-yellow有三种表示颜色的方式:a:用全名 b:16进制如：#FF00
2017-01-22 16:52:49
3761
原创 欢迎使用CSDN-markdown编辑器
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl
2017-01-22 16:48:41
236
转载 运用神经网络方法找寻集成学习中的最优权重
简介众所周知，如今在众多数据科学竞赛中的获奖方案中，使用集成学习算法已然成为了家常便饭。集成学习独有的依据一系列假设对大量机器学习算法进行训练的能力，不仅增加了模型的稳定性，同时也使得模型的精确程度得到了较高的提升。在此之前，如果你对集成学习还是没有什么印象的话，之前推送的文章《关于集成学习基础的简单描述》或许会对你有所帮助。话说回来，在构建集成模型时，如何找到最佳的权重往往是人们面临的常见挑战之一
2017-01-11 20:00:19
1563
转载 Python 并行计算
Python 并行计算一、实验说明本实验介绍 Python 并行计算能够用到的工具。1. 环境登录无需密码自动登录，系统用户名shiyanlou2. 环境介绍本课程实验环境使用Spyder。首先打开terminal，然后输入以下命令：git clone https://github.com/jrjohansson/scientific-python-lecturesspyder -w scient
2017-01-11 19:35:57
889
转载 AdaBoost和随机森林的区别
AdaBoost首先明确一个大方向：强可学习和弱可学习是等价的。所以，弱可学习方法可以提升为强可学习方法。AdaBoost最具代表性。对于提升方法，有两个问题需要回答：每一轮如何改变训练数据的权值或概率分布？如何将弱分类器组合成一个强分类器？AdaBoost的做法：提高那些被前一轮弱分类器错误分类样本的权值，而降低那些被正确分类样本的权值。加权多数表决的方法，加大分类误差率小的弱分类器的权
2017-01-11 19:30:21
4810
转载 从机器学习谈起
原文出处： 计算机的潜意识在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。这篇文档也算是EasyPR开发的番外篇，从这里开始，必须对机器学习了解才能进一步介绍EasyPR的内核。当然，本文也面对一般读者，不会对阅读有相关的前提要求。在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以
2017-01-07 18:55:55
471
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人