imsuhxz的博客

排序：
默认
按更新时间
按访问量
RSS订阅

转 【转】一些因素对F1值的影响

截自：https://blog.csdn.net/qq_27590277/article/details/88374695 https://blog.csdn.net/qq_27590277/article/details/88367082 一些因素对F1值的影响 如果还没了解F1值的话...

2019-08-13 15:42:46

阅读数 11

评论数 0

转 【转】欧几里德结构数据(Euclidean Structure Data) 以及非欧几里德结构数据(Non-Euclidean Structure Data)

本文转载自：《学习geometric deep learning笔记系列》第一篇，Non-Euclidean Structure Data之我见 本文是笔者在学习Geometric deep learning的过程中的一些笔记和想法，较为零散，仅仅当作自娱自乐，如有谬误，勿怪勿嗔，请在评论区...

2019-06-10 10:23:31

阅读数 375

评论数 1

转 【转】IEEE论文免费下载

转载自：https://blog.csdn.net/julialove102123/article/details/80049846#comments 1. SCI-hub网址 :sci-hub.tw或http://sci-hub.tw/ 2.URL下载: 在IEEE(http://i...

2019-06-10 09:21:13

阅读数 77

评论数 0

原 使用tree命令导出文件夹/文件的目录树

cmd cd 目标文件夹 tree /f >tree.txt 注释： /F显示每个文件夹中文件的名称。（带扩展名） /A使用 ASCII 字符，而不使用扩展字符。 tree /f > list.txt-- 将带扩展名的文件目录输出到list.txt文件中 ...

2019-06-05 14:31:22

阅读数 82

评论数 0

转 【转】python数据库编程, pymysql, Connect, cursor, commit, rollback , fetchall

转载自：https://blog.csdn.net/vivian_wanjin/article/details/82778589 import pymysql class JD(object): def __init__(self): self.dic = {0: ...

2019-06-04 11:26:48

阅读数 67

评论数 0

转 Segmentation fault (core dumped)

使用gdb调试这个错误，具体的使用方法是： 在命令行中输入gdb， 然后使用file python指令加载python环境， 接下来使用run ***.py arg1 arg2 ...， 这样调试器gdb就会在遇到的第一个错误处停下来。我们观察这个调试信息，发现最后问题定位在哪然后解决哪 ...

2019-06-04 11:23:05

阅读数 40

评论数 0

原 余弦相似度

import scipy import torch def calculate_distances(features1,features2): return scipy.spatial.distance.cdist(features1,features2, "cosine&qu...

2019-06-03 09:06:42

阅读数 26

评论数 0

原 【统计学习方法】||7支持向量机

【支持向量机】 支持向量机（support vector machines, SVM）是一种二类分类模型（判别模型）。它的基本模型是定义在特征空间上的间隔最大的线性分类器。支持向量机包括：线性可分支持向量机（linear support vector machine in linearly s...

2019-04-25 14:57:15

阅读数 17

评论数 0

原 【统计学习方法】||8集成学习

【集成学习】 集成学习是一大类模型融合策略和方法的统称，其中包含多种集成学习的思想。是一种分类和回归模型。（判别模型） 集成学习的种类有：Boosting, Bagging 。 提升树（boosting）是2000年由Friedman等人提出。AdaBoost算法是1995年由Freund...

2019-04-25 10:49:56

阅读数 37

评论数 0

原 【统计学习方法】||5决策树

【决策树】 1986年Quinlan提出ID3算法，1993年Quinlan又提出C4.5算法，1984年Breiman等人提出CART算法。 决策树是一个呈树形的分类与回归模型。（判别模型） 决策树学习包括3个步骤：特征选择、决策树的生成和决策树的修剪。 奥卡姆剃刀定律：“如无必要...

2019-04-18 17:49:22

阅读数 49

评论数 0

原 【统计学习方法】||3K近邻法

【K近邻法】 1968年由Cover和Hart提出。 k近邻法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。 k近邻法实际上利用训练数据集对特征向量空间进行划分，并作为其分类的“模型”。 1.模型 2...

2019-04-18 17:20:24

阅读数 11

评论数 0

原 【统计学习方法】||6逻辑回归

【逻辑回归】 逻辑回归模型是对数线性模型的分类模型。（判别模型） （逻辑回归假设数据服从伯努利分布,通过极大化似然函数的方法，运用梯度下降来求解参数，来达到将数据二分类的目的。） 0.伯努利分布 伯努利分布(Bernoulli distribution)又名两点分布或0-1分布，介绍伯...

2019-04-18 17:04:46

阅读数 98

评论数 0

原 Linux，各种包的安装历程

1、pip3直接装系列 # 升级pip3 pip3 install --upgrade pip # 常用包 pip3 install keras pip3 install sklearn pip3 install jieba pip3 install tensorflow pip3 inst...

2019-04-09 16:19:22

阅读数 42

评论数 0

原 linux配置neo4j

基本步骤根据： https://www.jianshu.com/p/b3a978d4f77f 几个注意点： 1.直接在FlashFXP中右击编辑修改变量环境/etc/profile后，/etc/profile里面有一些异常，使用cat -v /etc/profile检查，发现里面大量的W...

2019-04-02 16:28:14

阅读数 102

评论数 0

原 【统计学习方法】||2感知机

【感知机】 1957年由Rosenblatt提出，是神经网络与支持向量机的基础。 感知机旨在求出将训练数据进行线性划分的分离超平面。（判别模型） （存在一个线性函数分离的超平面能将训练数据划分为正负两类。解不唯一，依赖于初始值的选择。若要唯一，请看线性支持向量机。） 1.模型 w...

2019-03-14 10:40:59

阅读数 31

评论数 1

原 使用GloVe训练中文语料

0.安装gcc 在运行前务必确保ubuntu下有gcc gcc --version # 如果没有则安装： yum install gcc 1.准备语料 准备好语料并进行分词，保存glove_corpus文件 2.下载源码 https://github.com/stanfordnl...

2019-02-20 15:28:08

阅读数 565

评论数 2

转 【转】GPU状态监测及tensorflow中指定GPU及GPU显存设置

GPU状态监测 命令： nvidia-smi 功能：显示机器上gpu的情况 上图是服务器上 GeForce GTX 1080 Ti 的信息，下面一一解读参数。  上面的表格中的红框中的信息与下面的四个框的信息是一一对应的： GPU：GPU 编号； Name：GPU 型号； Pers...

2019-02-20 11:07:51

阅读数 179

评论数 0

转 gensim相关功能函数及其案例

目录 一、gensim介绍 二、训练模型 相关转换 词频-逆文档频（Term Frequency * Inverse Document Frequency， Tf-Idf） 潜在语义索引（Latent Semantic Indexing，LSI，or sometimes LSA） 随机...

2019-02-15 10:01:20

阅读数 303

评论数 0

原 Tensorflow的一些函数

目录 占位符：tf.placeholder函数 构建图形：tf.name_scope函数 tf.variable_scope函数 tf.constant函数 随机值函数：tf.random_uniform函数 tf.transpose函数 tf.nn.embedding_lookup...

2019-02-11 18:01:13

阅读数 59

评论数 0

转 【转】从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史

从Word Embedding到Bert模型—自然语言处理中的预训练技术发展史 slides

2019-01-23 10:49:36

阅读数 377

评论数 0

提示
确定要删除当前文章？
取消 删除