- 博客(57)
- 收藏
- 关注
RSS订阅原创 常用Numpy操作（笔记整理）
对数组元素进⾏求和或累积操作。获取数组的最⼤最⼩值及其索引。对数组元素进⾏加减乘除操作。创建特定填充值的数组。切⽚操作获取特定区域的数组元素。计算数组元素的⽅差。对数组指定轴应⽤⾃定义函数。对数组元素进⾏取余操作。对数组进⾏对数运算。将⻆度与弧度进⾏转换。对数组进⾏排序和获取索引。对数组元素求和计算。对数组进⾏指数函数运算。对数组元素进⾏舍⼊操作。将数组拆分为多个⼦数组。对数组进⾏线性代数运算。计算数组元素的绝对值。计算数组元素的平均值。
2024-08-31 16:50:50
673
原创 常用Pandas操作（笔记整理）
使⽤ groupby 和 transform 在组内进⾏操作，并将结果⼴播到原始 DataFrame。使⽤ duplicated 检测重复值，使⽤ drop_duplicates 删除重复值。使⽤ nlargest 获取最⼤值，使⽤ nsmallest 获取最⼩值。使⽤指定列进⾏合并，指定合并⽅式（内连接、左连接、右连接、外连接）。使⽤ cut 函数将数值列分成不同的箱⼦，⽤标签表示。使⽤ replace 替换DataFrame中的值。使⽤ at 和 iat 快速访问DataFrame中的元素。
2024-08-29 17:25:42
1077
原创 机器学习——lightGBM（学习整理）
LightGBM 是 微软的 一个团队 在 Github 上开发的一个 开源项目，高性能 的 LightGBM 算法具有分布式 和 可以 快速处理大量数据的 特点。LightGBM 虽然 基于 决策树和 XGBoost 而生，但它 还遵循 其他不同的 策略。XGBoost 使用决策树 对一个 变量进行 拆分，并在 该变量上 探索不同的 切割点（按级别划分的 树生长策略），而LightGBM 则 专注于 按叶子节点 进行拆分，以便 获得更好的 拟合（按叶划分的树生长策略）。
2024-08-22 18:37:12
1136
原创 机器学习——XGBoost
XGBoost 全称 是 eXtreme Gradient Boosting，可译为 极限梯度提升算法。它由 陈天奇所设计，致力于 让提升树突破自身的 计算极限，以实现 运算快速，性能优秀的 工程目标。与决策树、SVM 等不同，它是一个集大成的机器学习算法。
2024-08-17 11:24:13
893
原创 机器学习——朴素贝叶斯
算法得出的结论，永远不是 100% 确定的，更多的是判断出了一种 “ 样本的标签更可能是某类的可能性 ”，而非一种 “ 确定 ”。决策树 使用的 是 叶子节点上 占比较多 的标签 所占的比例（接口 predict_proba 调用），逻辑回归 使用的 是 sigmoid函数 压缩后的 似然（接口 predict_proba 调用），而 SVM 使用的 是样本点到 决策边界的 距离（接口 decision_function 调用）。但这些指标的本质，都是一种 “类概率” 的表示，可以。
2024-08-14 22:32:50
1104
原创 机器学习——线性回归（sklearn）
回归是一种 应用广泛的 预测建模技术，这种 技术的核心 在于预测的结果 是连续型变量。理解线性回归可以有 两种角度：矩阵的角度和代数的角度。多重共线性 是一种 统计现象，是指线性模型中的 特征（解释变量）之间 由于存在 精确相关关系 或 高度相关关系，多重共线性的 存在会使模型 无法建立，或者 估计失真。
2024-08-13 01:54:14
1538
原创 机器学习——支持向量机（SVM）（2）
中间的 虚线代表着，当 recall 增加 1%，我们的 FPR 也增加 1%，也就是说，每 捕捉出 一个少数 类，就会 有一个 多数类 被判错，这种情况下，模型的效果就不好，这种 模型捕获 少数类的结果，会让许多多数类 被误伤，从而增加成本。横坐标是 FPR，代表着 模型将多数类判断错误的 能力，纵坐标 Recall，代表着模型捕捉少数类的 能力，所以 ROC 曲线 代表着，随着Recall 的 不断增加，FPR 如何增加。表示 所有真实为 1 的样本中，被 预测正确的样本 所占的比例。
2024-08-12 00:02:13
1219
原创 机器学习——支持向量机（SVM）（1）
支持向量机（Support Vector Machine，SVM）属于有监督学习模型，主要 用于解决 数据分类问题。SVM将 每个样本数据 表示为 空间中的点，使 不同类别的样本点尽可能 明显地区分开。通过将样本的 向量映射到高维空间中，寻找 最优区分 两类数据的超平面，使 各分类到 超平面的距离最大化，距离越大 表示 SVM 的分类 误差越小。
2024-08-11 02:00:50
1297
3
原创 机器学习——聚类算法K-Means
轮廓系数越接近于 1 越好，负数 则表示聚类 效果非常差。如果一个簇中的大多数样本 具有比较高的轮廓系数，则 簇会有较高的 总轮廓系数，则整个数据集的 平均轮廓系数越高，则 聚类是合适的。如果 许多样本点具有低轮廓系数 甚至负值，则 聚类 是不合适的，聚类的超参数 K 可能设定得 太大或者太小。
2024-08-09 23:32:16
984
原创 机器学习——逻辑回归（学习笔记）
其本质是由线性回归变化而来的，一种广泛使用于分类问题中的广义回归算法。首先理解线性回归算法：𝜃 被统称为模型的参数，其中 𝜃₀被称为截距（intercept），𝜃₁～𝜃n 被称为系数。这个表达式，和 y=ax＋b 是同样的性质。可以 使用矩阵来表示 这个方程，其中 x 和 𝜃 都可以被看做是一个 列矩阵，则有：线性回归的任务，就是构造一个预测函数 z 来映射输入的特征矩阵 x 和 标签值 y 的线性关系。
2024-08-09 12:39:33
795
原创 机器学习——降维算法PCA和SVD（sklearn）
与特征选择类似，我们可以用不同的特征提取技术来减少数据集的特征数量。特征选择和特征提取的区别在于，当我们用诸如 逆序选择之类的特征选择算法 时，数据集的原始特征 保持不变，而当我们用 特征提取 方法时，会将数据变换 或投影到 新特征空间。在降维的背景下，我们可以 把特征提取理解为 数据压缩的一种方法，其目的是保持大部分的相关信息。在实际应用中，特征提取 不仅可以优化存储空间 或 机器学习算法 的计算效率，而且还可以 通过减少 维数 提高预测性能，尤其是当我们 处理非正则化 模型的时候。
2024-07-20 17:25:24
1182
原创 机器学习——数据预处理和特征工程（sklearn）
① 大多数机器学习算法中，会选择 StandardScaler 来进行 特征缩放，因为 MinMaxScaler 对异常值 非常敏感。MinMaxScaler 在不涉及距离 度量、梯度、协方差计算以及数据 需要被时使用广泛。② 在嵌入法下，我们 很容易就能够实现 特征选择的目标：减少计算量，提升模型表现。因此，比起要思考 很多统计量的 过滤法来说，嵌入法 可能是更有效的一种方法。然而，在 算法本身很复杂的时候，过滤法的 计算远远比嵌入法要快，所以大型数据中，我们还是会优先考虑过滤法。
2024-07-17 01:42:37
1344
原创 机器学习——随机森林（学习笔记）
集成学习 （ensemble learning） 是时下非常流行的 机器学习算法，它本身不是一个 单独的机器学习算法，而是通过在数据上构建多个模型，集成所有模型的建模结果。基本上 所有的机器学习领域都可以 看到集成学习的 身影。在现在的 各种算法竞赛中，随机森林，梯度提升树（GBDT），Xgboost等集成算法的身影也随处可见，可见其效果之好，应用之广。集成算法目标：集成算法 会考虑 多个评估器的 建模结果，汇总之后 得到一个综合 的结果，以此来 获取比 单个模型更好的回归或分类表现。
2024-07-12 01:52:05
955
原创 机器学习——决策树（笔记）
决策树（Decision Tree）是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。决策树算法容易理解，适用各种数据，在解决各种问题时都有良好表现，尤其是以树模型为核心的各种集成算法，在各个行业和领域都有广泛的应用。
2024-07-11 01:37:09
1347
1
原创 全面了解机器学习
在当今的 科技时代，大量结构化 和 非结构化数据是我们的 丰富资源。机器学习在 20世纪 下半叶演变为 人工智能（Al）的 一个分支，它 通过 自学习算法 从数据中 获得知识来 进行预测。机器学习并不需要 事先对 大量数据进行 人工分析，然后 提取规则 并建立模型，而是 提供了一种更为 有效的方法 来捕获 数据中的 知识，逐步提高 预测模型的性能，以 完成数据驱动的决策。
2024-07-02 21:04:35
1288
原创 生成对抗网络——CGAN（代码+理解）
CGAN（Conditional Generative Adversarial Network）模型是一种 深度学习模型，属于生成对抗网络（GAN）的一种 变体。它的 基本思想是通过 训练生成器和判别器两个网络，使生成器能够生成与给定条件 相匹配的 合成数据，而判别器则 负责区分真实数据和 生成数据。相比于GAN它引入了条件信息（y），使得生成器可以生成与给定条件相匹配的合成数据，从而提高了生成数据的可控性和针对性。
2024-06-21 01:41:49
2368
原创 生成对抗网络——GAN深度卷积实现（代码+理解）
设置 betas=(opt.b1, opt.b2) 有什么 实际的作用？通俗易懂的讲一下betas=(opt.b1, opt.b2) 是怎样 更新学习率的？
2024-06-18 18:36:26
1342
原创 生成对抗网络——GAN（代码+理解）
一、GAN模型介绍GAN，全称 Generative Adversarial Network，即生成对抗网络，是一种基于 对抗学习的深度生成模型。该模型由Ian Goodfellow在 2014年 首次提出，并迅速成为 学术界研究的热点，推动了生成模型领域的发展。GAN模型主要由两部分组成：生成器（Generator）和判别器（Discriminator）。，其 输入是 随机噪声，输出则是 生成的样本。。2. 判别器：判别器模型同样。
2024-06-17 13:08:59
2822
4
原创 【计算机组成原理】处理机管理
处理机包括两部分。对数据进行 算术运算 和逻辑运算，是计算机的 指挥 和 控制中心。了解了处理机的 组成和 工作原理，也就 了解了 计算机的全部 工作过程。
2024-03-16 18:25:04
1044
原创 全面认识计算机
这些组成部件，一般不是由 单个公司独立生产的，而是由 不同的 公司共同生产完成的，每个公司 往往 只能生产这些部件中的一种或者少数几种。有 了标准化的 接口，厂家生产出来的产品 只需要接口 符合规范，就可 以直接与其他 厂家生产的 产品配合使用，而不 必设计所有的硬件。中 逐条地取出指令 进行分析，根据指令 的不同来 安排操作顺序，向 各部件发出相应的 操作信号，控制它们执行 指令所规定的 任务。设置在主机外部，它的存储容量大，价格较低，但存取速度较慢，一般用来存放暂时不参与运行的 程序和数据。
2024-03-08 18:40:06
977
原创 【STM32】1.8寸LCD显示实验
（5）RES / RST：重启接口（复位）。最好和单片机的复位引脚相接。（8）BL / LED：背光控制，默认浮动，高电平关闭。（6）DC / RS：SPI数据 /命令选择引脚。（2）VCC：3.3V（ 尽量不要接 5V ）。（1）GND：接地。
2024-02-21 21:33:33
1638
1
原创 嵌入式——EEPROM（AT24C02）
AT24C02是 低工作电压的 2Kb 串行电可擦除只读存储器，可存储256个字节数据，内部有一个16字节页写缓冲器。AT24C02工作电压 1.8～5.5V，采用二线制IIC数据传输协议，支持硬件写保护，能擦写 100万次，数据可保存 100年。通过器件地址输入端A0、A1和 A2可以实现将最多 8个 AT24C02器件 连接到 IIC总线上。补：EEPROM 是一种掉电后数据不丢失的储存器，常用来存储一些配置信息，在系统重新上电时就可以加载。详细描述可以参考：常用存储器。
2024-02-18 00:09:28
2568
原创 嵌入式——Flash（W25Q64）
W25Q16、 W25Q32 和 W25Q64 支持标准的 SPl接口，传输速率最大 75 MHz，采用四线制，即4个引脚。① 串行 时钟引脚 （CLK）② 芯片 选择引脚 （CS）③ 串行数据 输出引脚（DO）④ 串行数据 输入 / 输出引脚（DIO）：在普通情况下，该引脚是串行输入引脚（DI），当使用快读双输出指令时，该 引脚就变成了 输出引脚，在 这种情况下，芯片就有2个 DO引脚，所以称为双输出，其 通信速率 相当于翻了 一番，所以 传输速率更快。二、W25Q64特性。
2024-02-16 21:31:48
4764
原创 【STM32】OLED显示实验
（3）SCL：OLED 显示模块 IIC 总线时钟信号。（4）SDA：OLED 显示模块 IIC 总线数据信号。（2）VCC：电源正（3.3V / 5V）。2. 可以参考这篇文章学习 OLED。（1）GND：接地。
2024-02-16 00:52:27
1307
原创 Git 初学
在软件开发过程中，。客户不停地提需求，改需求，你就不停地备份版本。这就像一样，你不停地改论文，导师不停地打回来，到最后就变成了这个样子。不同版本的论文之间 到底修改了哪些东西？时间久了，可能也就 慢慢忘记了。有没有更好的方法去 记录这些详细的变化呢？答案是有的。我们可以 使用来。
2024-02-16 00:36:20
1171
原创 STM32常用工具获取
后续据学习情况更新。链接: https://pan.baidu.com/s/1LoWiop8i_CsfWnY9FT_Iig 提取码: 869w。链接: https://pan.baidu.com/s/1o7HyemT2xll4k8CSWXxU_Q 提取码: bbmz。链接: https://pan.baidu.com/s/1cf8B11CDW-_VBVNoE6nuyg 提取码: 4sq8。
2024-02-15 16:46:19
531
原创 STM32——LCD（1）认识
LCD（ Liquid Crystal Display，液晶显示器 ），相对于上一代CRT显示器（阴极射线管显示器），LCD显示器具有功耗低、体积小、承载的信息量大及不伤眼的优点，因而成为现在的 主流电子显示设备，包括电视、电脑显示器、手机屏幕及 各种嵌入式设备的 显示器。
2024-02-07 17:12:24
2235
原创 嵌入式——CAN（1）
CAN（ Controller Area Network ），是ISO国际标准化的串行通信协议。现在，CAN 的高性能和可靠性己被认同，并被广泛地应用于工业自动化、船舶、医疗设备、工业设备等方面。CAN 等通信协议的开发，使多种 LAN 通过网关进行数据交换得以实现。
2024-02-06 21:36:56
1244
原创 STM32内部Flash
STM32芯片内部有一个Flash存储器，主要用于存储代码，我们在电脑上编写好应用程序后，使用下载器把编译后的代码文件烧录到该内部Flash中。由于Flash存储器的内容在掉电后不会丢失，
2024-02-05 23:27:54
2056
原创 常用存储器
存储器按其存储介质特性主要分为两大类（ “ 易失 / 非易失 ” 是指存储器断电后，它的特性 ）。由于一般易失性存储器存取速度快，而非易失性存储器可长期保存数据，所以它们都在计算机中占据着重要角色。随机存储器“随机存取”，指的是当存储器中的消息被读取或写入时，所需要的时间与这段信息所在的位置无关。现在RAM已经专门用于。根据RAM 的存储机制，又分为（Dynamic RAM） 以及（Static RAM） 两种。
2024-02-05 15:52:22
1109
原创 嵌入式——串行外围设备接口（SPI）
串行外围设备接口） 协议是由摩托罗拉公司提出的通信协议。它被广泛地使用在ADC、LCD等设备与MCU间，适用于对通信速率要求较高的场合。
2024-02-03 21:38:14
1028
原创 嵌入式—— IIC
IIC通信协议是由Philips公司开发的，提供多主机功能，控制所有IIC总线特定的时序、协议、仲裁和定时。由于不需要使用USART、CAN等通信协议的外部收发设备，现在被广泛地用于系统内多个集成电路间的通信。
2024-02-02 23:58:48
891
原创 嵌入式——数字/模拟转换模块（DAC）
指数字/模拟转换器）可以配置为8位或12位模式，也可以与DMA控制器配合使用。ADC 与 DAC是模拟电路与数字电路之间的桥梁。
2024-02-01 16:57:40
1733
原创 嵌入式——模拟/数字转换器（ADC）
模拟/数字转换器它有多达18个通道，可测量16个外部和2个内部信号源。各通道的A/D转换可以单次、连续、扫描或间断模式执行。ADC的结果可以左对齐或右对齐方式存储在16位数据寄存器中。模拟看门狗特性允许应用程序检测输入电压是否超出用户定义的高/低阀值。ADC的输入时钟不得超过14MHz，它是由PCLK2经分频产生。（1）分辨率：表示ADC能辦别的最小模拟量，用二进制位数表示，如：8、10、12、16位等。（2）转换时间：表示完成一次A/D转换所需要的时间，转换时间越短，采样率就可以越高。
2024-01-30 17:31:37
1099
1
原创 嵌入式——直接存储器存取（DMA）
DMA，全称 Direct Memory Access，即直接存储器访问。用来提供在外设和存储器之间或者存储器和存储器之间的高速数据传输。DMA传输无需CPU直接控制传输，也没有中断处理方式那样保留现场和恢复现场过程，通过硬件为RAM和IO设备开辟一条直接传输数据的通道，使得CPU的效率大大提高。数据搬运工。
2024-01-28 19:38:56
1344
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