![](https://img-blog.csdnimg.cn/20190918140053667.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
历史博客
文章平均质量分 77
历史博客
JERRYFY007
这个作者很懒,什么都没留下…
展开
-
Ubuntu14.04下Anconda3方式快速安装Tensorflow1.2
所需文件: anaconda3(linux 64位 python3.5 下载链接:https://repo.continuum.io/archive/Anaconda3-4.2.0-Linux-x86_64.sh) TensorFlow1.2(下载链接:http://download.csdn.net/detail/jerryfy007/9923583)1. 安装步骤原创 2017-08-07 15:15:26 · 1440 阅读 · 0 评论 -
使用Windows版CRF++时import CRFPP出错解决过程
使用Windows版CRF++的python接口时,import CRFPP出错,提示没有这个模块。 原因:模块缺失,这个模块需要我们自己编译出来。 解决方法: (1)Anaconda或者是python需要是32的程序(32位的程序可以在32位/64位的机器上运行,而64的程序只能在64位的机器上运行),具体原因未知。 (2)pyth原创 2017-06-17 19:24:56 · 4886 阅读 · 8 评论 -
网上书城推荐系统中遇到的问题及解决
问题1:虚拟机上的ubuntu无法ping通主机win10解决1:(1)虚拟上工具栏编辑-->虚拟网络编辑器,我打算使用VMnet8,它一般支持NAT方式,NAT设置:DHCP设置:(2)右键16.04Ubuntu 64位,设置,网络适配器,勾选NAT模式。NAT模式的最终结果是Ubuntu与Win10在同一网段中,但是Ubuntu可以访问网络,回到Win1原创 2017-03-19 10:46:36 · 1921 阅读 · 0 评论 -
SVM学习总结
1.SVM概述 支持向量机(support vector machines,SVM)是一种二类分类模型。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。支持向量机还包括核技巧,这使它成为实质上的非线性分类器。支持向量机的学习策略是间隔最大化,可形式化为一个求解凸二次规划的问题,也等价于正则化的合页损失函数的最小化问题。支持向量机的学习算法是求解凸二次规划的最优化算法。原创 2017-10-09 14:39:03 · 963 阅读 · 0 评论 -
随机森林学习总结
1.决策树决策树:从根节点开始一步步走到叶子节点(决策),所有的数据最终都会落在叶子节点,既可以做分类也可以做回归。根据决策树的输出结果,决策树可以分为分类树和回归树,分类树输出的结果为离散值(具体的类别),而回归树输出的结果为连续值(一个确定的数值)。决策树的构建算法主要有三种ID3,C4.5,CART三种,其中ID3和C4.5是分类树,CART是分类回归树,ID3是决策树最基本的构建算法,原创 2017-10-07 13:07:13 · 2324 阅读 · 0 评论 -
逻辑回归学习总结
学习完吴恩达的机器学习视频,看过机器学习实战及学习了网上的一些博客之后,在这里对我学习到的逻辑回归知识做一个学习总结。1.线性回归和simoid函数逻辑回归是一种分类算法,它可以解决二分类问题,它的实质是线性回归+逻辑函数,传统的线性回归是为了找到能更好地拟合真正的函数曲线的最佳参数,线性回归如下:如果用线性回归做分类的话,由于最终的结果可能会远大于或远小于分类结果1和0,所以我们原创 2017-05-10 16:06:53 · 1453 阅读 · 0 评论 -
不平衡语料的分类
当对商品评论的文本进行情感分析时,一般假设参与分类的正类样本和负类样本一样多,而假设和实际情况并不相符,在实际收集的产品评论语料中,我们发现正类样本和负类样本差距很大,即类别之间的语料数目相差很大。 类别之间的语料数目不平衡是制约很多分类算法准确率的一个因素。很多分类器分类的时候都会倾向于将语料分为大类,因此造成分类的准确率降低。然而很多时候哪些少数类才是值得我们关注的。例如,网络原创 2017-06-07 21:40:12 · 1885 阅读 · 0 评论 -
Beginning
开通博客第一天,之后好好学习,天天向上,有好的东西就在这里总结记录下来。原创 2016-10-13 16:32:44 · 286 阅读 · 0 评论