- 博客(31)
- 收藏
- 关注
RSS订阅原创 深度学习-LSTM
神经网络是一种模拟人类神经系统的计算模型，它由大量简单的神经元单元组成，通过它们之间的连接和传递信息来模拟人脑的学习和推理过程。神经网络起源于上世纪40年代，当时Warren McCulloch和Walter Pitts提出了一种可模拟生物神经元的数学模型，这是第一个神经元模型。20世纪50年代，Frank Rosenblatt发明了一种称为感知机（Perceptron）的神经网络，可以用来解决二元分类问题。然而，感知机存在一个明显的缺陷：它只能处理线性可分的问题。
2023-02-23 15:52:49
1105
1
原创 深度学习-RNN
RNN（Recurrent Neural Network，循环神经网络）是一类能够处理序列数据的神经网络，它在处理时考虑了之前的状态，因此能够对序列数据中的每个元素进行建模和预测。RNN的应用非常广泛，特别是在自然语言处理和时间序列分析方面。以下是RNN在各个领域的应用：自然语言处理（NLP）文本分类：将文本归类到不同的类别中，如情感分析、垃圾邮件过滤、新闻分类等。机器翻译：将一种语言的文本翻译成另一种语言的文本。语音识别：将人类语音转化为文本。
2023-02-23 09:10:52
399
原创 深度学习-Word2Vec
Word2Vec是一种用于将自然语言文本中的单词转换为向量表示的技术，它被广泛应用于自然语言处理和深度学习领域。本文将介绍Word2Vec的基本原理、应用场景和使用方法。
2023-02-22 14:06:02
473
原创 机器学习-集成学习LightGBM
LightGBM 是微软开发的一个强大的开源梯度提升框架。它旨在高效和可扩展，能够处理大型数据集和高维特征。LightGBM结合使用基于梯度的单边采样（GOSS）和独占特征捆绑（EFB）来降低计算成本并提高模型的准确性。LightGBM 支持各种目标函数，可用于回归和分类问题。它还提供了一些高级功能，例如提前停止、交叉验证和超参数调整，以帮助用户构建稳健的模型。此外，它还为流行的编程语言（如 Python、R 和 C++）提供接口，使其易于集成到现有的数据科学工作流程中。
2023-02-21 10:07:07
2025
原创 机器学习-集成学习XGBoost
XGBoost (eXtreme Gradient Boosting) 是一种流行的机器学习算法，用于解决各种预测问题，例如分类、回归和排名。在本文中，我们将介绍 XGBoost 的基本原理、常见的应用和一些实践经验.
2023-02-20 11:46:38
661
转载 中医知识图谱可视化创建
Apache ECharts 是一个由百度开源的数据可视化工具，有很多常见图表设计的api，操作简洁方便，如关系图、地图、折线图、散点图等可视化api。api详细可访问：本文基于pyecharts对已有知识图谱进行了数据分析与可视化展示。
2023-02-17 10:21:21
513
原创 机器学习-集成学习GBDT
GBDT（Gradient Boosting Decision Trees）是一种基于决策树的集成学习算法，它通过逐步地训练多个决策树模型来提高预测性能。具体来说，GBDT采用加法模型（additive model）的思想，每次训练一个新的决策树来拟合残差（预测误差），然后将所有决策树的预测结果相加作为最终的预测值。GBDT算法虽然能够自适应地学习特征交互关系，但它仍然需要依赖人工选择或构造特征。在实际应用中，我们需要结合特征工程技术来提取更有用的特征，从而进一步提高模型的性能。
2023-02-17 09:47:59
234
原创 机器学习-随机森林
随机森林（Random Forest）是一种基于决策树的集成学习方法，它通过构建多个决策树来提高预测准确性和稳定性。在本文中，我们将介绍随机森林的原理、优点和缺点，以及它在机器学习中的应用。
2023-02-16 14:00:23
1012
原创 机器学习-决策树
决策树是一种常用的机器学习算法，用于分类和回归问题。其主要思想是根据已知数据构建一棵树，通过对待分类或回归的样本进行逐步的特征判断，最终将其分类或回归至叶子节点。
2023-02-15 10:57:52
303
原创 TIOBE 编程语言排行，各个语言优缺点，以及你适合那种编程语言
优点：适用于 iOS 和 macOS 应用程序开发，易于学习和使用，提供了强大的函数式编程和面向对象编程能力。优点：适用于 Web 前端开发，易于实现交互性和动态效果，具有大量的第三方库和工具支持。缺点：相对较为新的语言，缺乏大量的第三方库和工具支持，不适用于一些较为复杂的应用程序开发。优点：具有较好的跨平台性能，适用于大型应用程序的开发，提供了强大的面向对象编程能力。优点：适用于 Web 开发，易于学习和使用，具有大量的第三方库和工具支持。优点：具有很高的性能和可靠性，广泛用于游戏和高性能计算等领域。
2023-02-14 15:55:06
1721
1
原创 机器学习-朴素贝叶斯
朴素贝叶斯是一种基于贝叶斯定理的分类算法，属于生成式模型的范畴。它的基本思想是基于贝叶斯定理和特征独立性假设。它假设每个特征之间相互独立，因此名称为“朴素”。在朴素贝叶斯分类中，我们假设给定数据点属于某个类别，可以通过对该类别中各个特征的条件概率进行乘积计算，以计算该数据点属于该类别的概率。最终，选择概率最大的类别作为该数据点的预测类别。
2023-02-14 08:59:08
275
原创 机器学习-SVM
SVM（支持向量机）是一种常用的机器学习算法，用于分类和回归分析。它的主要目的是寻找一个最优超平面，将不同属性的数据分成不同的类别。SVM是一种有效的分类器，因为它可以处理高维数据，并且可以使用核函数处理非线性可分的数据。
2023-02-13 10:56:54
1849
原创 机器学习-kmeans
K-means是一种经典的无监督学习算法，用于对数据进行聚类。K-means算法将数据集视为具有n个特征的n维空间，并尝试通过最小化簇内平方误差的总和来将数据点划分为簇。本文将介绍K-means算法的原理、实现和应用。K-means是一种无监督学习算法，用于对数据进行聚类。该算法将数据集分为K个簇，每个簇包含最接近其质心的数据点。K-means算法将数据集视为具有n个特征的n维空间，并尝试通过最小化簇内平方误差的总和来将数据点划分为簇。
2023-02-11 09:32:40
293
原创 机器学习-PCA
PCA（Principal Component Analysis）是一种常用的数据降维方法，它的主要思想是将高维数据降维到一个低维空间，同时保留尽可能多的原始数据的信息。PCA (Principal Component Analysis) 是一种常用的数据降维算法，用于对高维数据进行降维和特征提取。它的主要思想是通过对数据的协方差矩阵进行特征值分解，选择前 k 个特征值最大的特征向量作为新的主成分，将原始数据投影到主成分空间，从而实现数据降维。
2023-02-10 17:48:16
497
原创 机器学习-KNN
KNN可以说是最简单的分类算法之一，同时也是最常用的分类算法之一。KNN算法是有监督学习的分类算法，与机器学习算法Kmeans有点像，但却是有本质区别的一个样本a在特征空间中离它最近的K个最近的样本中，大多数属于某个类别，则a样本也属于这个类别如何计算其他样本与a样本的距离？一般时候我们使用欧式距离px2−x12y2−y12px2−x12y2−y12p∑i0nxi−yi2p∑i0nxi。
2023-02-10 13:55:04
115
原创 机器学习-逻辑回归
前言逻辑回归虽然叫回归，实际上是一个二分类模型，要知道回归模型是连续的，而分类模型是离散的，逻辑回归简单点理解就是在线性回归的基础上增加了一个 sigmoid 函数逻辑回归 = 线性回归 + sigmoid 函数回顾线性回归表达式：sigmoid 函数什么是sigmoid 函数sigmoid 是以0.5为分界线的激活函数，主要用于将结果输入sigmoid 函数中sigmoid函数会输出一个[0,1] 区间的概率值，0.5以上为一类，0.5以下为一类，这样完成二分类任务公式：逻辑回
2023-02-08 18:54:54
157
原创 机器学习-线性回归
线性回归是机器学习中基础的模型之一，是有监督模型。定义：线性回归是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法表达式：$y=wx+b $θ0,θ1θ0,θ1h=θ0+θ1xh=θ0+θ1x可得[1x][1x][θ0θ1][θ0θ1]=XθX\thetaXθJ=12m∑(h−y)2J=2m1∑(h−y)2Δθ。
2022-10-28 19:30:19
120
原创 [8] 字符串转换整数.py
将前面步骤读入的这些数字转换为整数（即，“123” -> 123， “0032” -> 32）。第 2 步：“4193 with words”（当前没有读入字符，因为这里不存在 ‘-’ 或者 ‘+’）由于 “4193” 在范围 [-2³¹, 2³¹ - 1] 内，最终结果为 4193。由于 “-42” 在范围 [-2³¹, 2³¹ - 1] 内，最终结果为 -42。由于 “42” 在范围 [-2³¹, 2³¹ - 1] 内，最终结果为 42。第 1 步：“42”（当前没有读入字符，因为没有前导空格）...
2022-08-12 10:23:34
84
原创 [7] 整数翻转.py
如果反转后整数超过 32 位的有符号整数的范围 [−2³¹, 231 − 1] ，就返回 0。给你一个 32 位的有符号整数 x ，返回将 x 中的数字部分反转后的结果。假设环境不允许存储 64 位整数（有符号或无符号）。输入：x = -123。输入：x = 123。输入：x = 120。...
2022-08-12 10:23:08
119
原创 [6]Z 字形变换.py
之后，你的输出需要从左往右逐行读取，产生出一个新的字符串，比如：“PAHNAPLSIIGYIR”。将一个给定字符串 s 根据给定的行数 numRows ，以从上往下、从左到右进行 Z 字形排列。输入：s = “PAYPALISHIRING”, numRows = 3。输入：s = “PAYPALISHIRING”, numRows = 4。输入：s = “A”, numRows = 1。输出：“PAHNAPLSIIGYIR”输出：“PINALSIGYAHRPI”...
2022-08-10 14:20:08
56
原创 [5] 最长回文子串.py
给你一个字符串 s，找到 s 中最长的回文子串。解释：“aba” 同样是符合题意的答案。输入：s = “babad”输入：s = “cbbd”
2022-08-09 15:20:40
46
原创 [4]寻找两个正序数组的中位数.py
给定两个大小分别为 m 和 n 的正序（从小到大）数组 nums1 和 nums2。请你找出并返回这两个正序数组的 中位数。解释：合并数组 = [1,2,3,4] ，中位数 (2 + 3) / 2 = 2.5。输入：nums1 = [1,2], nums2 = [3,4]输入：nums1 = [1,3], nums2 = [2]算法的时间复杂度应该为 O(log (m+n))。解释：合并数组 = [1,2,3] ，中位数 2。输出：2.00000。输出：2.50000。...
2022-08-08 17:45:59
44
原创 [3]无重复字符最长子串.py
请注意，你的答案必须是 子串 的长度，“pwke” 是一个子序列，不是子串。给定一个字符串 s ，请你找出其中不含有重复字符的 最长子串 的长度。解释: 因为无重复字符的最长子串是 “abc”，所以其长度为 3。解释: 因为无重复字符的最长子串是 “wke”，所以其长度为 3。解释: 因为无重复字符的最长子串是 “b”，所以其长度为 1。输入: s = “abcabcbb”输入: s = “pwwkew”输入: s = “bbbbb”...
2022-08-05 14:48:03
78
原创 [2] 两数相加.py
给你两个 非空 的链表，表示两个非负的整数。它们每位数字都是按照 逆序 的方式存储的，并且每个节点只能存储 一位 数字。请你将两个数相加，并以相同形式返回一个表示和的链表。你可以假设除了数字 0 之外，这两个数都不会以 0 开头。输入：l1 = [9,9,9,9,9,9,9], l2 = [9,9,9,9]输入：l1 = [2,4,3], l2 = [5,6,4]输入：l1 = [0], l2 = [0]输出：[8,9,9,9,0,0,0,1]解释：342 + 465 = 807.输出：[7,0,8]...
2022-08-04 15:27:51
57
原创 [1] 两数之和.py
给定一个整数数组 nums 和一个整数目标值 target，请你在该数组中找出 和为目标值 target 的那 两个 整数，并返回它们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。你可以按任意顺序返回答案。输入：nums = [2,7,11,15], target = 9输出：[0,1]解释：因为 nums[0] + nums[1] == 9返回 [0, 1] 。输入：nums = [3,2,4], target = 6输出：[1,2]#输入：nums =
2022-08-03 16:39:53
65
原创 机器学习绪论
程序通过不断的学习达到一定的性能，可以完成指定的任务定义（1）机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验 学习中改善具体算法的性能。（2）机器学习是对能通过经验自动改进的计算机算法的研究。（3）机器学习是用数据或以往的经验，以此优化计算机程序的性能标准机器学习的三个要素模型（model）：模型在未进行训练前，其可能的参数是多个甚至无穷的，故可能的模型也是多个甚至无穷的，这些模型构成的集合就是假设空间。...
2022-08-03 13:54:47
245
原创 pip._vendor.urllib3.exceptions.ReadTimeoutError.......
pip._vendor.urllib3.exceptions.ReadTimeoutError.......
2022-06-14 15:52:36
746
原创 git拉取项目太大失败(超时)
问题通过git拉取GitHub上的项目失败报错信息如下fetch-pack: unexpected disconnect while reading sideband packetfatal: early EOFfatal: fetch-pack: invalid index-pack output原因：因为拉取的项目过大导致失败解决1.利用镜像网站将链接中的 github.com 替换为 github.com.cnpmjs.org 如果方法1报以下错误Could not resol
2022-05-05 16:42:52
15509
3
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