![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
文章平均质量分 68
时代的病人
嘻嘻嘻
展开
-
集成学习
一,简介集成学习是指使用多种兼容的学习算法/模型来执行单个任务的技术,目的是为了得到更佳的预测表现。集成学习的主要方法可归类为三大类: 堆叠(Stacking)、提升算法 Boosting 和 Bootstrap Aggregating(装袋,缩写为Bagging)。在这些集成技术中最流行的方法包括随机森林、梯度提升、AdaBoost、**梯度提升决策树(GBDT)**和 XGBoost。集成学习就是训练多个模型,根据每个模型的投票做预测二,优缺点优点: 提高预测性能,直接级联不同模型,容易原创 2021-04-21 23:24:27 · 3734 阅读 · 0 评论 -
零基础语音识别--Keras--入门
一, 简介Keras 是一个用 Python 编写的高级神经网络 API,它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果,是做好研究的关键。允许简单而快速的原型设计(由于用户友好,高度模块化,可扩展性)。同时支持卷积神经网络和循环神经网络,以及两者的组合。在 CPU 和 GPU 上无缝运行。Keras 兼容的 Python 版本: Python 2.7-3.6。Keras 的核心数原创 2021-04-19 23:22:31 · 710 阅读 · 0 评论 -
天池--零基础入门语音识别之食物声音识别--task02
1,过零率过零率(zero crossing rate)是一个信号符号变化的比率,即,在每帧中,语音信号从正变为负或从负变为正的次数。 这个特征已在语音识别和音乐信息检索领域得到广泛使用,通常对类似金属、摇滚等高冲击性的声音的具有更高的价值。一般情况下,过零率越大,频率近似越高。librosa.feature.zero_crossing_rate(y,frame_length = 2048,hop_length = 512,center = True,** kwargs)参数:原创 2021-04-18 00:23:25 · 335 阅读 · 0 评论 -
天池--零基础入门语音识别之食物声音识别--task02
Python 音频信号处理库 librosa–入门1,音频处理filename = librosa.example('nutcracker')获取librosa随附的音频示例文件的路径。在此步骤之后, filename将是一个字符串变量,其中包含示例音频文件的路径。y, sr = librosa.load(filename)librosa.load()以时间序列的 y形式加载和解码音频,以一维NumPy浮点数组表示y。可变SR包含采样速率的 y,即,每秒音频的样本的数目。默认情况原创 2021-04-15 23:47:24 · 276 阅读 · 0 评论 -
天池--零基础入门语音识别之食物声音识别--task01
一,Python的Tqdm模块——进度条配置tqdm官网地址:https://pypi.org/project/tqdm/Tqdm模块是一个快速,可扩展的Python进度条,可以在Python长循环中添加一个进度提示信息,用户只需要封装任意的迭代器tqdm(iterator)即可完成进度条。相比ProgressBar来说Tqdm的开销非常低,同时Tqdm可以在任何环境中不需要任何依赖运行。1,Tqdm安装pip install tqdm或者安装了Anaconda,使用conda来安装conda原创 2021-04-14 00:01:55 · 392 阅读 · 2 评论 -
pandas--缺失数据
一、缺失值的统计和删除1. 缺失信息的统计缺失数据可以使用isna或isnull(两个函数没有区别)来查看每个单元格是否缺失,结合mean可以计算出每列缺失值的比例:df = pd.read_csv('../data/learn_pandas.csv', usecols = ['Grade', 'Name', 'Gender', 'Height', 'Weight', 'Transfer'])df.isna().head()df.isna().mean() # 查看缺失的比例如果想原创 2021-01-03 22:58:29 · 887 阅读 · 0 评论 -
pandas基础--连接
一、关系型连接1. 连接的基本概念把两张相关的表按照某一个或某一组键连接起来是一种常见操作,例如学生期末考试各个科目的成绩表按照姓名\color{red}{姓名}姓名和班级\color{red}{班级}班级连接成总的成绩表,又例如对企业员工的各类信息表按照员工ID号\color{red}{员工ID号}员工ID号进行连接汇总。由此可以看出,在关系型连接中,键\color{red}{键}键是十分重要的,往往用on参数表示。另一个重要的要素是连接的形式。在pandas中的关系型连接函数merge和j原创 2020-12-29 23:05:33 · 115 阅读 · 0 评论 -
Python基础和Numpy基础
一、Python基础1, 列表推导式与条件赋值[* for i in *] 。其中,第一个 * 为映射函数,其输入为后面 i 指代的内容,第二个 * 表示迭代的对象。value = a if condition else b :2. 匿名函数与map方法map 函数来完成,它返回的是一个 map 对象,需要通过 list 转为列表:3. zip对象与enumerate方法zip函数能够把多个可迭代对象打包成一个元组构成的可迭代对象,它返回了一个 zip 对象,通过.原创 2020-12-16 23:42:31 · 286 阅读 · 2 评论