- 博客(106)
- 资源 (6)
- 收藏
- 关注
RSS订阅转载 卷积的三种模式full, same, valid以及padding的same, valid
原文链接：https://zhuanlan.zhihu.com/p/62760780作者：最刚烈一、以下展示卷积三种模式的不同之处其实这三种不同模式是对卷积核移动范围的不同限制。设 image的大小是6x7，filter的大小是3x3。1 full mode橙色部分为image, 蓝色部分为filter。full模式的意思是，从filter和image刚相交开始做卷积，白色部分为填0。filter的运动范围如图所示。2 same mode当filter的中心(K)与ima
2021-03-29 12:44:27
1690
转载 归一化 （Normalization）、标准化 （Standardization）和中心化/零均值化 （Zero-centered）
1 概念 归一化：１）把数据变成(０，１)或者（1,1）之间的小数。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速。２）把有量纲表达式变成无量纲表达式，便于不同单位或量级的指标能够进行比较和加权。归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。 标准化：在机器学习中，我们可能要处理不同种类的资料，例如，音讯和图片上的像素值，这些资料可能是高维度的，资料标准化后会使每个特征中的数值平均变为0(将每个特征的值都减掉原始资料中该特征的平
2021-01-21 09:29:42
1480
1
转载 三维卷积
链接：https://www.cnblogs.com/xiaojianliu/articles/9905278.html#_label0阅读目录三维卷积（Convolutions over volumes）回到目录三维卷积（Convolutions over volumes）假如说你不仅想检测灰度图像的特征，也想检测 RGB 彩色图像的特征。彩色图像如果是 6×6×3，这里的 3指的是三个颜色通道，你可以把它想象成三个 6×6图像的堆叠。为了检测图像的边缘或者其他的特征，不是把它跟原来的
2020-11-09 16:02:26
2185
原创 删除符合一定条件的若干行数据
关键：#删除month字段中内容是'1/','2/','6/','7/','8/','9/','10','11','12'的行data=data[~(data['month'].isin(['1/','2/','6/','7/','8/','9/','10','11','12']))]#仅删除字段名为month的一整列数据data=data.drop(['month'],axis=1)import pandas as pdimport numpy as np#导入数据#data .
2020-10-13 23:56:35
1304
1
转载 如何获取excel单元格中一段字符串中的某个特定的字符
如何获取excel单元格中一段字符串中的某个特定的字符 excel中的left、mid、right函数excel单元格中日期格式怎么转换成字符可以选中需要的日bai期数据使用数据分列来先批du量转换为文本格式。zhi点击该数据选择数据分列，dao然后将日期数据分割并选个文本就可以实现了。具体的设置方法如下：1、在电脑上打开一个EXCEL文件，点击右键选择格式选择设置格式进入。2、在出现的设置格式界面中可以看到当前的数据为日期格式。3、选中该日期格式的数据列，点击上...
2020-10-13 22:04:51
3826
转载 pearson相关系数的数值为多少证明有相关性？
转载于：原文链接皮尔逊相关系数变化从-1到 +1，当r＞0表明两个变量是正相关，即一个变量的值越大，另一个变量的值也会越大；r＜0表明两个变量是负相关，即一个变量的值越大另一个变量的值反而会越小。r 的绝对值越大，则两变量相关性越强。若r=0，表明两个变量间不是线性相关，但可能存在其他方式的相关（比如曲线方式）。扩展资料：（1）一般认为：|r|≥0.8时，可认为两变量间高度相关； 0.5≤|r|<0.8，可认为两变量中度相关； 0.3≤|r|<0.5，可认为两
2020-10-13 09:10:53
46920
2
转载 scikit-learn的Estimator、Transformer、Pipeline、Preprocessing、Decomposition、Metrics、Cross validation等
scikit-learn基础介绍估计器（Estimator）可以直接理解成分类器主要包含两个函数：fit(x,y) 和 predict(x)，分别是训练和预测算法模型流程：# 拟合模型model.fit(X_train, y_train)# 模型预测model.predict(X_test)# 获得这个模型的参数model.get_params()# 为模型进行打分model.score(data_X, data_y) 线性回归from skl..
2020-10-09 10:53:45
693
转载 将python随机森林模型保存到文件
https://zhidao.baidu.com/question/1707465980177376940.html你说的问bai题叫模型持久化，就是把学习好的模型保du存起来zhi，以后只要调用这个文件就可以了。每个框dao架都应该有模型持久化函数，以sklearn为例：from sklearn.externals import joblibjoblib.dump(clf, "train_model.m") ＃存储clf = joblib.load("train_model.m") ＃.
2020-10-09 08:40:48
9903
2
转载 python中如何保存并使用训练好的模型并调用
原文链接：https://jingyan.baidu.com/article/09ea3edec0b3ad81aede3996.html
2020-10-07 16:30:46
13566
原创 将多个表的内容合并到一个新表中（同一文件夹下，表结构相同）
将同一文件夹内，选中结构一致的文件组合成一张新表。结构一致的文件名称中都包含字符'MOD 'import pandas as pdimport osp_path = r'D:\work\RS\test\20200813'file_list = os.listdir(p_path)PM = pd.DataFrame(data=[],columns=[],index=None)for li in file_list[:]: if 'MOD' in li: data
2020-09-30 10:40:15
569
原创 1DCNN实例，代码和结果
参考https://blog.csdn.net/yilulvxing/article/details/105028902，有一些小问题，修改后在自己电脑上跑了一遍简单说明几点：数据集result，按照0.8划分为train和test，train又按照0.8进一步划分为training samples和validating samples;此案例的归一化只是简单的所有数据除以10000，感觉还需要改进from __future__ import print_functionimport
2020-09-30 10:24:27
12344
5
原创 所有0替换成nan，以及，nan替换成0
选取dataframe中所有值为0的数据，替换成nandf[df == 0] = np.nan选取dataframe中所有值为nan的数据，替换成0df.fillna(0)
2020-09-25 15:25:50
8398
1
转载 LSTM中遗忘门，输入门和输出门的实际意义是什么
回顾下LSTM的几个门及其计算公式，估计此时不用看那个九曲回肠的LSTM神经网络图，光看公式也能明白LSTM到底在干嘛了吧：上面是LSTM的计算公式，首先找那几个门，其实好找，那三个Sigmod作为非线性函数的就是三个门，很明显其取值范围在0到1和门打开关闭的物理意义是很好对应起来的。这个门的计算公式和上面猪家的门控计算公式其实是一样的，区别无非多出了一个h(t-1)部分，这个也好理解，这是因为LSTM是RNN模型，决定t时刻节点的除了当前输入值x(t)外，还有t-1时刻的隐层...
2020-09-03 09:46:33
17204
转载 简述决策树，随机森林和XGBOOST之间的关系
原文链接：https://www.it610.com/article/1281962579127713792.htm简述决策树，随机森林和XGBOOST之间的关系本文主要讲解：决策树，随机森林和xgboost，附带讲解AdaBoost和GBDT1.决策树这些算法都依赖于决策树或者决策树的各种魔改版，所以决策树是一定要掌握清楚的。决策树是一种常见的机器学习算法，决策树的目的是构造一种模型，使之能够从样本数据的特征属性中，通过学习简单的决策规则——IF THEN规则，从而预测目标变量的值。以西瓜
2020-08-31 17:01:28
3224
转载 神经网络基本类型
原文链接：https://www.cnblogs.com/chamie/p/5579884.html神经网络基本类型神经网络的基本类型与学习算法：目前已有的数十种神经网络模型，按网络结构划分可归纳为三大类:前馈网络、反馈网络和自组织网络。前馈神经网络则是指神经元分层排列，分别组成输入层、中间层和输出层。每一层的神经元只接受来自前一层神经元的输入，后面的层对前面层没有信号反馈。输入模式经过各层的顺序传播，最后在输出层上得到输出。这类网络结构通常适于预测、模式识别及非线性函数逼近，一般典型的前向
2020-08-26 16:22:36
1204
转载 tensorflow 笔记8：RNN、Lstm源码，训练代码输入输出，维度分析
原文链接：https://www.cnblogs.com/lovychen/p/9368390.htmltensorflow 官网信息：https://www.tensorflow.org/api_docs/python/tf/contrib/rnn/BasicLSTMCelltensorflow 版本：1.10如有错误还望指正，一起探讨；当前层各个参数含义：Tensorflow 中RNN单个时刻计算流程：Tensorflow 中 lstm 单个时刻计算流程：..
2020-08-20 10:55:23
554
转载 在训练模型model.compile()中计算loss的常用函数都有哪些？
http://www.ifunvr.cn/180.htmlhttps://www.cnblogs.com/smuxiaolei/p/8662177.html目标函数，或称损失函数，是网络中的性能函数，也是编译一个模型必须的两个参数之一。由于损失函数种类众多，下面以keras官网手册的为例。在官方keras.io里面，有如下资料： mean_squared_error或mse mean_absolute_error或mae mean_absolute_percentage
2020-08-11 15:04:04
5816
转载 keras如何获取中间层的输出（Sequential、Functional两种情况下）
keras如何获取中间层的输出ExampleKeras中英文文档中有详细连接，参照：如何获取中间层输出？Example构建模型from keras.models import Modelfrom keras.layers import Input,Dense,Permute,Flatteninputs_v = Input(shape=(2,5))model_v = Permute((2, 1))(inputs_v)flatten = Flatten()(model_v)ou
2020-07-27 11:50:02
2953
转载 Keras中return_sequences、return_state、TimeDistributed
原文：Keras中return_sequences和return_state有什么用？ - 异尘的文章 - 知乎前言CNN和RNN，作为深度学习的两大护法，促进了深度学习近几年在Computer Vision、NLP等领域席卷全世界。相比CNN，RNN其实更为“骨骼精奇”，它开创性的递归网络结构，让模型具有了“记忆”，使得我们向着“AI”更近了一步。虽然最近各种Transformer结构有了超越RNN之势，但是我依然觉得RNN是非常值得学习和发展的。今天，我们以LSTM为例，来谈一个RNN中的一
2020-07-27 10:10:07
574
1
转载 多通道cnn+lstm+dense复杂网络测试（附单通道效果对比）
对于时序数据or图像，不同的filters、kernel_size、strides意味着输出不同的高维特征。 同一份数据，如何增强网络的表达能力。使得更宽的网络能达到相较深度网络更好的结果？这是本篇文章需要解决的问题。数据说明见上篇文章 https://www.jianshu.com/p/21b96d597367网络结构# 定义多通道特征组合模型def build_multi_cr_lstm_model(ts, fea_dim): # 定义输入 inputs = Inp.
2020-07-08 19:17:53
4945
转载 pytorch必须掌握的4种边界Padding方法
卷积操作作为卷积神经网络的核心模块，在其计算过程中必须考虑图像“边缘像素”的卷积方式。查阅资料发现，我们可以采用“卷积之前进行边界填充”或“卷积之后进行边界填充两种方式”，同时边界填充的具体手段包含常量填充、零填充、镜像填充以及重复填充等。在具体分析各种Pad之前，先创建一个2dTensor用于测试后面的填充操作：x = torch.Tensor([[1, 2], [3, 4]])创建的Tensor数值分别1、2、3、4：1、零填充ZeroPad2d我们最常用的是nn....
2020-07-06 16:17:41
3091
原创 LSTM中的batch_size到底是什么
真正的LSTM输入数据并不是按照原始数据这样的顺序输入网络的，（数据太多，没展示完。。）而是根据time_step=n将数据重构成下列形式进行输入的。这个案例中n=30，可以看到：第一行数据就是按照t排列的前30条数据，y也就是预测值是第31条数据。依次类推……"""此为generate_data_by_n_days构建好的数据格式 c0 c1 c2 c3 ... c27 c28 c29 y.
2020-07-02 17:30:26
13922
2
转载 机器学习中分类和回归模型的评价指标
分类算法的效果评估1，准确率accuracy_scorefrom sklearn.metrics import accuracy_score2，精确率/查准率precision_scorefrom sklearn.metrics import precision_score分为宏平均（macro）和微平均（micro），宏平均比微平均更合理。metrics.precision_score(y_true, y_pred, average='micro')metrics.precisio...
2020-07-01 08:42:36
2718
转载 LSTM调参经验
原文链接：https://www.cnblogs.com/kamekin/p/10163743.html0、开始训练之前先要做些什么？在开始调参之前，需要确定方向，所谓方向就是确定了之后，在调参过程中不再更改1、根据任务需求，结合数据，确定网络结构。例如对于RNN而言，你的数据是变长还是非变长；输入输出对应关系是many2one还是many2many等等，更多结构参考如下非RNN的普通过程，从固定尺寸的输入到固定尺寸的输出（比如图像分类）输出是序列（例如图像标注：输入是一张图像，.
2020-06-29 09:52:35
6017
1
转载 RNN 循环神经网络 回归
RNN 循环神经网络 回归地平线上的背影关注RNN网络较少运用于回归任务，但是并不代表其不可运用于回归任务。本文通过简单回归任务的RNN进一步加深对RNN的理解1. 准备数据和超参数import torchfrom torch import nnimport numpy as npimport matplotlib.pyplot as plt# torch.manual_seed(1) # reproducible# Hyper ParametersTIME_STEP
2020-06-28 10:40:47
2023
转载 Pytorch中RNN LSTM的input（重点理解batch_size/time_steps）
原文链接：Pytorch中如何理解RNN LSTM的input（重点理解seq_len/time_steps） - 阿矛布朗斯洛特的文章 - 知乎在建立时序模型时，若使用keras，我们在Input的时候就会在shape内设置好sequence_length（后面均用seq_len表示），接着便可以在自定义的data_generator内进行个性化的使用。这个值同时也就是time_steps，它代表了RNN内部的cell的数量，有点懵的朋友可以再去看看RNN的相关内容：CSDN-专业IT技术社区-登
2020-06-27 10:46:07
7905
4
原创 将pytorch中的三维tensor另存为csv文件
#!/usr/bin/env python3import torch.nn as nnimport torch.nn.functionalmport numpy as nprnn = nn.LSTM(input_size=10,hidden_size=20,num_layers=2)#输入向量维数10, 隐藏元维度20, 2个LSTM层串联(若不写则默认为1）input = torch.randn(5,3,10)#输入（seq_len,batch , input_size） 序列长度为5 .
2020-06-26 23:38:32
7553
转载 numpy中三维数组转变成二维数组
原文链接：https://www.cnblogs.com/zz22--/p/7647836.htmlumpy中reshape（）函数对三维数组进行转换成二维数组，见下面例子：>>>a=np.reshape(np.arange(18),(3,3,2))>>> aarray([[[ 0, 1], [ 2, 3], [ 4, 5]], [[ 6, 7], [ 8, 9], [
2020-06-26 23:22:08
7007
原创 相关系数与相关指数区别
文章目录一、有关叫法二、相关系数2.1 概念2.1.1 简单相关系数2.1.2 复相关系数2.1.3 偏相关系数2.1.4 典型相关系数2.1.5 相关指数2.2 计算公式2.2.1 简单相关系数2.2.2 复相关系数2.2.3 偏相关系数2.2.4 典型相关系数2.2.5 相关指数一、有关叫法 相关系数包括：简单相关系数、复相关系数、偏相关系数、典型相关系数 ； 相关指数又叫做决定...
2020-06-26 16:27:30
22684
原创 初识神经网络中的各种层和神经网络结构
所谓激励，实际上是对卷积层的输出结果做一次非线性映射所谓池化（欠采样或下采样），主要用于特征降维，压缩数据和参数的数量，减小过拟合经过前面若干次卷积+激励+池化后，终于来到了输出层...
2020-06-25 21:58:05
12206
原创 Pytorch实现LSTM案例学习(1)
主要分为数据准备和模型构建两大部分，其中，数据准备主要工作：1、训练集和测试集的划分2、训练数据的归一化3、规范输入数据的格式模型构建部分主要工作：1、网络层构建2、import torchimport torch.nn as nnimport torch.nn.functional import seaborn as snsimport numpy as npimport pandas as pdimport matplotlib.pyplot as plt"""导入数据
2020-06-25 21:26:11
33076
29
翻译 DT算法(暗像元法)在C6.1中的改进：Aerosol Dark Target (10km & 3km) Collection 6.1 Changes
DT算法在C6.1中的改进：仅适用于陆地：如果10x10km网格中有50%以上的沿海像素或20%以上的水像素，则将反演质量降为零仅适用于陆地：修正的陆地表面气溶胶反演算法，当城市百分比大于20%时，使用修正的地表特征描述（using a revised surface characterization）( Gupta et al. 2016)。MODIS土地覆盖类型数据集用于识别城市像素，使用MYD09光谱地表反射率产品获得城市区域的面积比。
2020-06-25 15:09:58
1799
3
原创 python中关于取随机数、随机矩阵、随机数组等等
1、x[:,m:n]，即取所有数据集的第m到n-1列数据2、range(10)相当于range(0,10)>>>range(10) # 从 0 开始到 10[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]>>> range(1, 11) # 从 1 开始到 11[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]>>> range(0, 30, 5) # 步长为 5[0, 5, 10, 1
2020-06-24 11:24:19
756
1
原创 Pytorch的安装和环境配置
https://pytorch.org/get-started/previous-versions/https://blog.csdn.net/thomaswu1992/article/details/90293015使用conda安装，安装之前先建立pytorch的虚拟环境pytorch-py36，python选择的是3.6版本然后在Anaconda prompt中activate pytorch-py36进入到此环境中，把下面这段代码复制进去，然后回车安装即可。conda i.
2020-06-23 10:00:17
1886
原创 希腊字母发音，打印体手写体对照
希腊字母 中文释音 英文释音 释音音标 A α 阿尔法 Alpha ['ælfə] B β 贝塔 Beta ['bi:tə] Γ γ ...
2020-06-22 12:52:25
55220
原创 TensorFlow的环境配置与安装（win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5）
记录一下安装win10+GeForce GTX1060+CUDA 9.0+cuDNN7.3+tensorflow-gpu 1.12.0+python3.5.5之前已经安装过pycharm、Anaconda以及VS2013，因此，安装记录从此后开始总体步骤大致如下：1、确认自己电脑显卡型号是否支持CUDA（此处有坑）此处有坑！不要管NVIDIA控制面板组件中显示的是CUDA9.2.148。你下载的CUDA不一定需要匹配，尤其是CUDA9.2，最好使用CUDA9.0，我就..
2020-06-22 10:39:22
401
转载 随机森林算法应用案例（1）：PM2.5浓度预测
基于随机森林算法的PM2.5预测转载于：https://zhuanlan.zhihu.com/p/83220850，作者：郑援镜烨空气质量指数(AQI)是衡量空气质量好坏的重要指数，它是依据空气中污染物浓度的高低来判断的。但是因为空气污染本身是一个较为复杂的现象，来自固定和流动污染源的人为污染物排放大小是影响空气质量的最主要因素之一。其中包括车辆、船舶、飞机的尾气、工业企业生产排放、居民生活和取暖、垃圾焚烧等。城市的发展密度、地形地貌和气象等也是影响空气质量的重要因素。·研究目标：.
2020-06-19 20:20:14
17698
7
转载 Python--画图时希腊字母的显示
原文链接：https://www.cnblogs.com/gegemu/p/11459167.html主要介绍采用Matplotlib模块画图时，横纵坐标或者标题如果要书写希腊字母，该如何处理这一问题。1. Matplotlib中支持LaTex语法，输入格式为：r'$\Delta$' #其中的Delta对应于希腊字母的Δ r'$\Delta$rv' #对应于Δrv2. LaTex语法中希腊字母表：希腊字母小写、大写 LaTeX形式 ，信息来源：https://blog.csdn....
2020-06-18 13:14:44
16592
2
此代码可以用于实现地理加权回归分析；包括普通的地理加权回归和贝叶斯地理加权回归；包含算法代码和应用实例的代码.rar
2020-06-10
简单的线性混合模型，包括安装R包，引用，设置工作空间，执行lme函数等步骤。
2020-06-10
MCTK-2.1.10.zip
2019-12-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人