- 博客(16)
- 收藏
- 关注
RSS订阅原创 docker在阿里云镜像中注册与使用
docker一、docker 安装二、开通容器镜像服务1）注册开通后产品页面2）创建地址唯一的命名空间3）选择相应的区域4)创建本地仓库5）点击管理，查看详情三、编写文件四、提交1）登录docker2）建立镜像3）运行4）推送一、docker 安装windows下载：下载地址：linux下载：手把手详细操作（阿里云）当然也可以去docker官网上按照官网的步骤来，不同的操作系统不太一样。注：vm装镜像的话可能不能调用本地的GPU。二、开通容器镜像服务阿里容器镜像服务也可以在阿里云里搜索“
2021-02-22 00:55:03
1111
原创 知识图谱05
知识图谱一、主体类 AnswerSearching 框架介绍二、代码分模块介绍参考资料基于知识图谱的问题系统一、主体类 AnswerSearching 框架介绍class AnswerSearching: def __init__(self): pass # 主要是根据不同的实体和意图构造cypher查询语句 def question_parser(self, data): """ 主要是根据不同的实体和意图构造cypher查询语
2021-01-17 17:05:13
219
原创 知识图谱04
知识图谱4一、引言二、问答系统（1）问答系统简介（2）Query简介三、主体类 EntityExtractor介绍四、命名实体识别整体思路介绍（1）命名实体识别整体思路介绍五、意图识别任务实践（1）意识识别整体思路介绍（2）意识识别整体思路参考资料一、引言第一部分介绍任务所涉及的背景知识；第二部分则是相应的代码及其注释二、问答系统（1）问答系统简介从知识领域划分：封闭领域：封闭领域系统专注于回答特定领域的问题，由于问题领域受限，系统有比较大的发挥空间，可以导入领域知识或将答案来源全部
2021-01-14 16:51:41
279
1
原创 知识图谱3
知识图谱03一、引言二、Neo4j简介（1）基本概念（2）索引（3）Neo4j的优势三、主体类MedicalGraph介绍一、引言Neo4j 是当前较为主流和先进的原生图数据库之一，提供原生的图数据存储、检索和处理。它由 Neo Technology支持，从 2003 年开始开发，1.0 版本发布于 2010 年，2.0版本发布于 2013 年。经过十多年的发展，Neo4j 获得越来越高的关注度，它已经从一个 Java 领域内的图数据库逐渐发展成为适应多语言多框架的图数据库。Neo4j 支持ACID、集
2021-01-13 23:22:16
133
原创 知识图谱02
知识图谱2一、引言二、运行环境三、搭建知识图谱四、启动问答测试五、踩坑（1）关于路径：（2）报错一、引言主要将项目跑起来，对项目有一个宏观的认识。搭建知识图谱。启动问答测试。构建一个简单的基于知识图谱的对话系统。二、运行环境python3.0及以上neo4j 3.5.0及以上jdk 1.8.0三、搭建知识图谱运行：python build_graph.py或者直接在pycharm中运行。（等待时间较长，静候）运行完成后打开neo4j，会看到如下：点击下图中画圈的部分
2021-01-12 22:06:12
206
原创 知识图谱01
知识图谱一、Neo4j的下载与安装（一）Neo4j下载（二）Neo4j安装二、Neo4j的使用（一）创建结点（二）创建关系（三）创建出生地关系（四）图数据库查询（五）删除和修改三、通过python操作Neo4j（一）neo4j模块：执行CQL(cypher)语句（二）py2neo模块：通过操作python变量，达到目的四、踩过的坑一、Neo4j的下载与安装Neo4j是一个高性能的,NOSQL图形数据库，它将结构化数据存储在网络上而不是表中。（一）Neo4j下载在官网上下载企业版社区版（二）
2021-01-11 23:45:17
135
原创 pandas——综合练习
pandas——综合练习问题一、2002 年-2018 年上海机动车拍照拍卖问题一、2002 年-2018 年上海机动车拍照拍卖(1) 哪一次拍卖的中标率首次小于 5%？(2) 按年统计拍卖最低价的下列统计量：最大值、均值、0.75 分位数，要求 显示在同一张表上。(3) 将第一列时间列拆分成两个列，一列为年份（格式为 20××），另一列为 月份（英语缩写），添加到列表作为第一第二列，并...
2020-05-01 21:25:01
321
原创 pandas——合并
pandas——合并问题练习问题【问题一】 请思考什么是append/assign/combine/update/concat/merge/join各自最适合使用的场景。append：可以利用Series或DataFrame添加行。assign：添加列。例子同上。combine：利用规则在表中填充另一个表的数据update：按索引来覆盖更新数据concat：行/列两个方向拼接两个表...
2020-04-30 23:33:03
341
原创 pandas——变形
pandas——变形问题问题一问题二练习练习一练习二问题问题一【问题一】 上面提到了许多变形函数，如melt/crosstab/pivot/pivot_table/stack/unstack函数，请总结它们各自的使用特点。**melt：**是pivot()逆转操作函数。**crosstab：**用于分组统计。但比groupby()函数显示更加直观。**pivot：**将长...
2020-04-28 23:32:38
198
原创 pandas——分组
pandas——分组一、SAC过程二、groupby（一）基本内容1）根据某一列分组2）根据某几列分组3）组容量与数组4）组的遍历三、聚合（Aggregation）、过滤（Transformation）和融合（Filtration）四、apply五、问题一、SAC过程SAC指的是分组操作中的split-apply-combine过程。split 指将数据按照一定的规则拆分成若干组；apply...
2020-04-26 22:39:30
1095
原创 pandas学习——索引
pandas学习（2）一、单级索引（一）、iloc和loc（二）、布尔索引1）布尔符号2）isin（三）、快速标量索引二、多级索引（一）、创建多级索引1）、直接创建元素1.用元组创建2.用字典创建2）、利用zip创建元组3）通过Array创建4）通过from_product（二）、多层索引切片1）一般切片（三）、多层索引中的slice对象（四）、索引层的交换三、常用索引型函数（一）、where函数...
2020-04-23 22:11:22
150
原创 pandas学习——基础练习
pandas基础一、基本数据结构（一）Series1）创建2）访问（二）DataFrame1）创建2）访问3）修改索引（三）对比二、遇到的问题（一）randn和rand的区别：（二）value_counts统计缺失值（三）df.mean(axis=1)是什么意思？它与df.mean()的结果一样吗？第一问提到的函数也有axis参数吗？怎么使用？三、实例（一）权利游戏（二）科比投篮一、基本数据结构...
2020-04-20 21:46:43
468
原创 二手车价格预测——Task5
二手车价格预测——模型融合一、bagging/boosting（一）bagging（二）boosting（三）区别二、stacking/blending（一）stacking（二）blending三、预览数据四、特征与标签构建（一）提取数值类型特征列名（二）构建训练和测试样本（三）统计标签的基本分布信息（四）缺省值用-1填补五、模型训练与预测（一）利用xgb进行五折交叉验证查看模型的参数效果（二）...
2020-04-04 21:00:56
576
原创 手车交易价格预测——Task4模型调参
二手车交易价格预测——模型调参一、目标二、内容（一）线性回归（二）五折交叉验证（三）模拟真实业务情况一）绘制学习率曲线与验证曲线二）多种模型对比三）非线性模型（四）模型调参一）贪心调参二）Grid Search 调参三）贝叶斯调参三、总结一、目标了解机器学习模型与调参过程二、内容（一）线性回归plt.scatter(train_X['v_9'][subsample_index], t...
2020-04-01 21:37:06
318
原创 二手车交易价格预测——Task3特征工程
二手车交易价格预测——特征工程一、目标二、异常值处理（一）删除异常值三、特征构造（一）构造时间特征（二）构造地区特征四、数据清洗（一）数据分桶（二）删除冗余数据（三）处理数据集中的缺失值（三）标准化和归一化五、特征筛选（一）过滤式（二）包裹式一、目标将数据转换为能更好地表示潜在问题的特征，从而提高机器学习性能。二、异常值处理首先将数据读入，查看其数值，数值类型，然后查看其特征（一般是表格中...
2020-03-28 21:42:43
373
原创 二手车交易价格预测——Task2
二手车交易价格预测——Task2EDA-数据探索性分析一、目标二、载入相关库三、载入数据，并做相关分析（一）特征集（二）数据总览（三）判断数据缺失和异常（四）了解预测值的分布三、特征分类（一）现将要分析的特征单独分离出来（二）价格特征分为**数字特征**和**类型特征**（三）再分别处理3.1查看unique分布四、 数字特征分析(一) 相关性分析(二) 查看几个特征的偏度和峰值(三) 每个数字特...
2020-03-24 20:14:55
934
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