- 博客(20)
- 收藏
- 关注
RSS订阅原创 【长短期记忆LSTM-中】
训练数据在文件request_every_hour.csv中可用。场景：我们希望预测未来的服务器请求负载。每条记录都代表着给定小时的总请求数。并将过去的服务器负载数据用作训练。
2024-04-17 15:22:34
163
原创 【梯度下降算法】
根据计算梯度和更新参数的方式，梯度下降算法可以分为多种类型，如批量梯度下降（Batch Gradient Descent）、随机梯度下降（Stochastic Gradient Descent, SGD）和小批量梯度下降（Mini-batch Gradient Descent）。该算法的基本思想是通过计算损失函数关于模型参数的梯度，并按照梯度的反方向更新参数，从而逐步降低损失函数的值，最终使模型达到一个较好的性能。它的主要目的是通过迭代的方式找到函数的最小值，从而优化模型的参数。
2024-04-11 17:33:45
269
原创 【Wavelet——中】
作为首个被广泛研究的正交小波基，它不仅为后续的小波变换、多尺度分析、信号压缩等提供了理论支持，更开启了信号分析的新篇章。Gabor变换是一种基于Gabor滤波器的信号处理方法，通过调整滤波器的方向、基频带宽及中心频率，能够兼顾信号在时空域和频域中的分辨能力。STFT是对傅里叶变换的改进，通过在信号上加上一个滑动窗口，将信号划分为短时平稳段进行傅里叶变换，从而得到信号的时频表示。傅里叶变换是一种将信号从时域转换到频域的方法，通过分解信号为一系列正弦和余弦波形的叠加，从而得到信号的频谱信息。
2024-04-10 09:44:02
887
原创 【长短期记忆LSTM-上】
这种衰减是模型设计的一部分，以便能够关注到近期的、对预测更为重要的信息，同时也避免过度拟合或受到过于遥远的数据点的影响。这种特性使得小波分析在信号处理、图像压缩和特征提取等领域得到广泛应用。它通过内部的记忆单元和门控机制，能够有效地捕捉序列数据中的长期依赖关系，并在处理非平稳时间序列时表现出良好的性能。除了考虑邻近和较远的特征外，时间序列模型还可能考虑其他因素，如季节性、周期性、趋势性，以及外部事件或因素的影响。因此，在构建和选择时间序列模型时，需要根据具体的应用场景和数据特性来选择合适的模型结构和参数。
2024-04-07 11:26:02
1486
原创 【wolfram数模-小波-上】
傅里叶变换分解一个信号，转化为该信号的正弦和余弦分量，并将时间序列从时域转换为频域，“将信号以频率（frequencies）形式呈现”。傅里叶变换是对信号进行处理加工，原本只包含时域信息而不包含频率信息，通过傅里叶变换能够得到频率信息。积分符号 ∫ 、求和符号 ∑ 对应着：连续、离散。，本质都是一个意思，都是做加法。
2024-02-22 15:25:54
821
1
原创 【Python——算法思维】
因此，请考虑一下出了什么问题，现在让我们看看正确的方案。如果我们把刚才写错的fizz-buzz的代码放进去，会看到数字15经过第一个筛选fizz的条件，能满足第一个条件，所以直接输出为fizz。当我们继续完成我们的程序时，图片会扩展以展示所有正在发挥作用的价值。所以，这是一个实例，我们需要在深入研究和实现算法之前仔细考虑我们的算法。随着我们的代码行前进，你可以在右侧看到变量的图片。i 的范围是1到101，这将我们从1带到100，因为。返回的结果是1，因为10除以3余1。返回的结果是0，因为9能够被3整除。
2023-11-23 16:01:38
100
原创 【应用机器学习之集成学习】
集成学习（Ensemble Learning）是机器学习中的一个重要分支，它是一种利用样本数据训练多个不同的弱分类器，然后将这些弱分类器整合成一个强大分类器的机器学习方法。集成学习的基本原理是结合多个基学习器（也称为弱学习器）的预测结果来改善整体的预测性能。通过集成学习，可以减少单一模型的偏差和方差，从而提高预测的准确性和稳定性。集成学习的方法有很多种，其中最常用的包括Bagging和Boosting。
2023-11-20 22:47:14
33
原创 数据可视化：讲故事技巧
欢迎学习“数据可视化:讲故事的技巧”课程。 我是比尔·沙德尔，是波士顿一家 信息设计和数据可视化咨询公司的创始人。 讲故事在营销领域是一个热门词汇。 但这个课程要说的是它其实对人类生存 至关重要。因此与人沟通时， 你应该尽量使用讲故事的结构和方法， 当然，用数据讲故事比讲述虚构的故事 并不一样，我们将讨论如何运用 讲故事的关键组成部分和结构， 在用数据沟通时，充分发挥讲故事的魔力。 我将简要介绍如何在数据中找到故事， 然后详细介绍一些用数据讲故事的好例子。 并探讨优秀的数据故事，好在哪里。 最后我还要介绍，
2021-07-22 10:19:56
896
原创 应用机器学习-特征工程
Applied Machine Learning: Feature EngineeringApplied Machine Learning: Feature EngineeringIntroductionThe seceret of effective machine learningWhat you should knowThe seceret of effective machine learning三级目录IntroductionThe seceret of effective machine
2021-02-07 11:33:48
183
1
原创 2021-02-01
第一章 机器学习总览机器学习就在身边，比方说已经有了10多年历史的OCR技术…，但是最老早的还是1990s（20世纪90年代的）垃圾邮件过滤器。虽然它还称不上是一个自我意识防火墙，但是确实具备机器学习的技术素养（学得很好，反正大多数人再也没有手动标记垃圾邮件了）。紧随而来的是大量的产品，从自动推介到语音搜索，都是你常用的。在正式开始他探索这片机器学习的天地之前，看一下最著名的”地标“：有监督和无监督学习，在线学习和批量学习，基于实例和基于模型。随后看一下工作流程，讨论主要的挑战并评估和精调。什么是机器
2021-02-01 12:34:01
97
原创 UE设计师
Become a User Experience Designer1.User Experience CareersWhat is UX and where do you start?UX fields: Design, research, and strategyUX generalist or specialist?\
2021-01-22 10:58:31
227
原创 Keras
机器学习机器学习机器学习在2006年，Geoffrey Hinton等人发表了一篇论文来论述如何训练深度神经网络，使其能够高精度地（>98%)辨识手写数字。他们给这项技术取名：“深度学习”。深度神经网络由许多层人工神经元为要素构成，是我们人类大脑皮层的极简模型。在当时的学者看来，对该模型进行训练是不可能的。...
2021-01-21 15:02:58
130
原创 SAP Essential Trainings
SAP Essential TrainingsIntroductionGeneral Ledger(一般分类账簿)IntroductionSAP offers a robust, end-to-end solution for large organizations, when it comes to handling their financials. Reporting functions in SAP financials provide an up-to-the-minute snapshot
2020-11-09 14:16:24
138
原创 数据科学（下）
数据科学基础知识数学代数学方程组微积分学大O贝叶斯概率应用统计学假设置信问题验证机器学习决策树集成k临近算法朴素贝叶斯分类器人工神经网络沟通可解释性可行的见解演讲可视化可重复性研究数学代数学代数是数据科学的一种重要实践。 代数是研究抽象数量和之间关系的学科。 有 3 类代数与数据科学密切相关。 一是我们都学过的初等代数， 也就是用乘法和加法等计算单个值。 二是线性代数，也叫矩阵代数。 这是大多数统计流程计算的核心。 最后是线性方程组。 这一类对于线性代数和优化实践都至关重要， 我们稍后会详细介绍。
2020-08-14 11:47:48
707
1
原创 数据科学（上）
数据科学基础知识数据科学需求文氏图管道角色团队数据获取选择指标现有数据API抓取数据探索探索性图形探索性统计数据编程与数据科学电子表格RPythonSQLWeb格式数据科学需求首先，我们讨论对数据科学的需求。 为了理解这一点，先来说说什么是数据科学。 常见的说法是，数据科学是在实际环境中 综合运用统计和编程技巧的科学， 稍后我会详细说明。 接下来，我说说可能存在的几种其他定义。 这些都是我总结的。 我想把它看作是对多元数据的分析， 这是指不符合通用格式的数据， 以及解答重要问题时所需的数据， 无论它
2020-07-23 19:20:49
611
原创 大数据基础知识（下）
大数据基础知识：技巧与概念大数据伦理匿名方面的挑战保密性方面的挑战大数据的来源和结构人类生成的数据机器生成的数据结构化数据非结构化数据存储大数据分布式存储与云云计算：IaaS、PaaS、SaaS 和 DaaSHadoop 简介准备大数据进行分析数据质量方面的挑战ETL：提取、转换、加载大数据的其他特征大数据分析监控和异常检测数据挖掘与文本分析预测分析大数据可视化Excel在大数据中的作用总结大数据伦理匿名方面的挑战之前说过，大数据可以用来做很多神奇的事情，尤其在比较个体信息与海量数据集方面。但有些例子
2020-07-21 20:44:17
5875
1
转载 大数据基础知识（上）
大数据基础知识：技巧与概念什么是大数据数量多流转快种类多大数据需要具备全部三个特征吗？如何使用大数据了解消费者大数据了解企业大数据了解科学研究大数据大数据与数据科学大数据与小数据的差异数据科学的三大领域数据科学的类型和技能去掉大数据，只看数据科学去掉数据科学，只看大数据什么是大数据大数据这个词含义模糊，具有相对性。 我们最好反着来定义它。 大数据不是常规数据，不是寻常行业。 即使有经验的数据分析师， 也不一定就可以处理。 换句话说，大数据是不符合寻常分析模式的数据。 它不适合 Excel 电子表格的行
2020-07-21 13:23:43
1145
1
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