自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(13)
  • 收藏
  • 关注

原创 判断图片上是否有猫

搭建算法架构需要引入以下包1.numpy 科学计算库2.h5py 遍历存在于H5文件里的数据集3.matplotlib python画图工具库4.PIL和scipy 用自己的图片测试模型数据data.h5中包括1.训练集,标明了y=1(cat)和y=0(non cat)2.测试集,标记了cat或者non-cat3.每张图片shape为(num_px,num_px,3)加载数据L...

2018-09-29 17:33:36 996

原创 插入排序

#include <iostream>using namespace std;int main(){ int arr[] = {1, 5, 8, 5000, 38, 35, 4, 98, 30, 6, 2, 100 }; int size_arr = sizeof(arr) / sizeof(int); //数组大小 int temp; ...

2018-09-06 15:11:43 171

原创 选择排序

#include <iostream>using namespace std;int main(){ int arr[] = {1, 5, 8, 38, 35, 4, 98, 30, 6, 2 }; int size_arr = sizeof(arr) / sizeof(int); //数组大小 int temp; ...

2018-09-06 14:52:43 131

原创 冒泡排序

冒泡排序的基本思想就是: 从无序序列头部开始,进行两两比较,根据大小交换位置,直到最后将最大(小)的数据元素交换到了无序队列的队尾,从而成为有序序列的一部分;下一次继续这个过程,直到所有数据元素都排好序。#include <iostream>using namespace std;int main(){ // 冒泡排序 int arr[] = {1, 5...

2018-09-06 14:02:00 161

原创 第2章模型评估与选择

经验误差与过拟合基本概念1、”错误率”: 分类错误的样本数占样本总数的比例。如果在 m 个样本中有 a个样本分类错误,则错误率 E= a/m; 2、”精度”: 1 - a/m,即精度 = 1 - 错误率 3、“误差”: 学习器的实际预测输出与样本的真实输出之间的差异。 4、”训练误差”(training error)或”经验误差” :学习器在训练集上的误差。 5、”泛化误差”...

2018-09-05 15:44:49 194

转载 模型的偏差和方差

1、基本概念 广义的偏差(bias)描述的是预测值和真实值之间的差异,方差(variance)描述距的是预测值作为随机变量的离散程度。2、模型的偏差和方差模型的偏差是一个相对来说简单的概念:训练出来的模型在训练集上的准确度。  要解释模型的方差,首先需要重新审视模型:模型是随机变量。设样本容量为n的训练集为随机变量的集合(X1, X2, …, Xn),那么模型是以这些随机变量...

2018-09-04 16:49:56 1405

转载 集成学习是什么?

、 简单来说,集成学习是一种技术框架,其按照不同的思路来组合基础模型,从而达到其利断金的目的。  目前,有三种常见的集成学习框架:bagging,boosting和stacking。国内,南京大学的周志华教授对集成学习有很深入的研究,其在09年发表的一篇概述性论文《Ensemble Learning》对这三种集成学习框架有了明确的定义,概括如下:  bagging:从训练集从进行子抽样...

2018-09-04 16:38:25 1247

转载 前言

sklearn提供了sklearn.ensemble库,支持众多集成学习算法和模型。恐怕大多数人使用这些工具时,要么使用默认参数,要么根据模型在测试集上的性能试探性地进行调参(当然,完全不懂的参数还是不动算了),要么将调参的工作丢给调参算法(网格搜索等)。这样并不能真正地称为“会”用sklearn进行集成学习。  我认为,学会调参是进行集成学习工作的前提。然而,第一次遇到这些算法和模型时,肯定...

2018-09-04 16:27:02 108

转载 sklearn--集成学习(理论)

【转】目录1 前言 2 集成学习是什么? 3 偏差和方差   3.1 模型的偏差和方差是什么?   3.2 bagging的偏差和方差   3.3 boosting的偏差和方差   3.4 模型的独立性   3.5 小结 4 Gradient Boosting   4.1 拟合残差   4.2 拟合反向梯度     4.2.1 契机:引入损失函数     4.2.2...

2018-09-04 16:23:24 302

原创 引用深层理解

1、使用引用作为参数来定义函数#include <iostream>using namespace std;void Swap1(int, int); //传统交互void Swap2(int*, int*); //指针定义void Swap3(int&, int&); //引用定义void show(const int&, co

2018-09-03 19:51:13 166

原创 函数指针

1、函数地址:是存储其机器语言代码的内存开始地址。优点:可以在不同时间使用不同的函数。2、函数指针的声明://函数原型double sum(double, double);//函数指针声明double (*ptrSum)(double, double)//该语句声明了一个指针 ptrSum,指向一个函数//double *ptrSum(double, double)//这个语句...

2018-09-02 13:32:09 137

原创 使用数组作为函数的参数

1、使用数组作为函数的参数 数组作为函数实参时,只传递数组的地址(首地址),并不传递整个数组的空间。当用数组名作为实参调用函数时,数组首地址指针就被传递到函数中。 2、一维数组作为函数参数 打印数组某一段区间的元素#include <iostream>using namespace std;void show(const int*, const in...

2018-09-02 09:21:48 1468

原创 自定义头文件

1、创建头文件 File —-> New —-> File… 然后点击next 最后点击finish。这样就创建了一个头文件。2、在main.cpp中调用该头文件 3、头文件的书写...

2018-09-01 13:46:57 7693

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

提示
确定要删除当前文章?
取消 删除