- 博客(9)
- 资源 (2)
- 收藏
- 关注
原创 LabelEncoder
from sklearn import preprocessingla = preprocessing.LabelEncoder()categories = ['健康','军事','产业','领导', '体育','政治','教育']la.fit(categories)res = la.transform(categories)res结果:array([2, 3, 0, 6, 1, 4, 5], dtype=int64)LabelEncoder()会在内部对类别进行重新排序, 并..
2020-05-28 01:10:13 461 2
原创 交叉熵函数tf.softmax_cross_entropy_with_logit()的实际计算
在分类问题中最后计算的损失函数大多都是使用的交叉熵函数, 那么它内部到底是咋计算的呢,这里举例说明先假设这里只有一个样本, 实际类别的one-hot编码是[0, 0, 1], 而预测结果为[0.4, 0.3, 0.6], 这里并没有经过softmax进行归一化处理, 因为tf不建议我们自己进行 归一化处理, 在调用函数时内部会进行softmax的归一化处理.y_onehot = tf.constant([[0, 0, 1]])y_pre = tf.constant([[0.4, 0.3, 0.6
2020-05-23 11:27:57 637
原创 68题 最近公共节点(python3解答)
面试题68 II. 二叉树的最近公共祖先给定一个二叉树, 找到该树中两个指定节点的最近公共祖先。直接上代码class Solution: def lowestCommonAncestor(self, root, p, q) -> 'TreeNode': if root is None or root == p or root == q: return root left = self.lowestCommonAncestor(
2020-05-10 13:27:52 208
原创 python的错觉
一直以为整除是对所有数都适应的,做了今天的LeetCode 69题 计算并返回x的平方根 才知道,"//"只对整数适用,对float还是float
2020-05-09 12:18:05 155
原创 Batch Normalization 的拆解操作
第一步:创建数据,这里是两个样本,每个样本是两个通道的三乘四矩阵第二步: 求解所有样本每个通道的均值, 注意维度第三步: 求解所有样本的每个通道的方差, 注意维度第四步: 标准化处理第五步:整合成函数,并做处理注:这个函数是从https://zhuanlan.zhihu.com/p/81891467抄来的第六步: 试验一把其实画图更好理解:...
2020-05-07 15:39:16 160
原创 python 列表令人惊讶的方法
1 使用切片取值,超出索引,不报错,只是空值2 创建和初始化嵌套列表要注意应该想下面这样建立3 修改列表值的时候一定要注意长度匹配4转列表, 集合, 字典...
2020-05-05 15:25:33 121
原创 手写计算PCA算法过程,并与程序对比
假设这里有5个二维的样本,我们通过PCA将其降到一维,手写过程如下直接理解就是在平面上的五个点,如下图 然后我们通过改变坐标系的位置,将平面上的五个点转化到一维数轴上的五个点.我们通过代码验证import numpy as npfrom sklearn.decomposition import PCAx0 = np.array([[1, 2], ...
2020-05-04 00:10:58 1717
原创 numpy中的interp线性插值方法基本使用
numpy.interp(x1, x, y)这个函数主要有三个参数, 第二.三个参数都是数组或列表,并且个数相等,你可以把它们想想成二维图像中的一些点,第一个参数可以是一个数,也可以是一组数,就是从后面两个数组中进行插值得到线性插值这个案例中下x2就是一个插值点.x3是进行了一组插值...
2020-05-01 01:21:59 11344 2
GoogleNews-vectors-negative300网盘地址.txt
2019-12-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人