- 博客(9)
- 收藏
- 关注
原创 ERROR: Could not find a version that satisfies the requirement torch==1.12.1+cu113
请关掉你的VPN梯子。
2024-07-28 16:45:03
887
1
原创 Top-K准确率代码实现
所对应的标签为4,这也就代表着如果按照以往的标准(Top-1准确率)来看,分类器对于这张图片的预测结果就是错误的。但如果我们以Top-2的标准来看的话,分类器对于这个图片的预测结果就是正确的,因为logits中概率值最大的前两个中包含有真实的标签。也就是说,虽然0.35对应的标签是错的,但是排名第二的概率值。Top-K准确率就是用来计算预测结果中概率最大的前K个结果包含正确标签的占比。所对应的标签是正确的,所以我们在计算Top-2准确率的时候也将上述结果当作是预测正确的。来源UFDLv2模型代码。
2024-07-04 17:45:04
378
原创 基于随机森林的多步多维股票预测
本文探讨了使用随机森林对股票进行多维度多时间步的预测的一种方法。单独使用随机森林的误差还是太大了,五天六维度的调优误差最后还是:实际上应该使用集成模型,使用XGBoost+LightGBM+CatBoost+RandomForest+GBR(Gradient Boosting Regression),这样效果应该会好一些。
2024-07-04 13:29:03
364
原创 安装opencv c++到kaggle的流程和问题
我发现这玩意kaggle不让安装,一般安装的差不多了,kernel就会自动关闭,查了一下,发现是官方会监管这种非数据科学的耗费资源的行为。主要我还是觉得安装耗时太久了。
2024-05-09 18:40:24
264
1
原创 大数素数(质数)的快速检验:米勒-拉宾素性检验代码Python版
本代码对于2^64次方以内的数检测确保不出错,而且很快。大概7位数以内,本方法更快。
2024-03-30 19:42:44
176
原创 信息量,香农熵,交叉熵,KL散度
所以p(x)越小,I(x)越大。当q<p时,0<H(p,q)<1,且q和p相差越大,H(p,q)越小,越趋于0。对于正反面概率不相等的抛硬币,假设p=0.2,得到香农熵为0.72。当q>p时,H(p,q)>1,且q和p相差越大,H(p,q)也越大。对于正反面概率相等的抛硬币,即p=0.5,得到香农熵为1。D(p,q)不等于D(q,p),这不是距离的衡量。当两个概率分布一致时,D(p,q)=0;两个概率分布不一致时,D(p,q)>0。D(p,q)是KL散度,也是相关熵。当q=p时,H(p,q)=1。
2024-02-27 22:18:57
1671
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