机器学习入门
文章平均质量分 69
monroyaume
这个作者很懒,什么都没留下…
展开
-
Python GUI图形界面编程
python图形界面开发教程:第一课:编写第一个界面。_哔哩哔哩_bilibiliGitHub - PySimpleGUI/PySimpleGUI: Launched in 2018. It's 2023 and PySimpleGUI is actively developed & supported. Create complex windows simply. Supports tkinter, Qt, WxPython, Remi (in browser). Create GUI applicati原创 2023-01-23 19:05:44 · 139 阅读 · 0 评论 -
RNN文字情感分析
本章介绍了不同种类的神经网络,有多层神经网络(MLP),卷积神经网络(CNN)和长短记忆模型(LSTM)。它们的共同点是有很多参数,需要通过后向传播来更新参数。CNN 和LSTM 作为神经网络的不同类型的模型,需要的参数相对较少,这也反映了它们的一个共性:参数共享。这和传统的机器学习原理很类似:对参数或者模型加的限制越多,模型的自由度越小,越不容易过度拟合。反过来,模型参数越多,模型越灵活,越容易拟合噪声,从而对预测造成负面影响。转载 2022-09-22 06:22:57 · 519 阅读 · 0 评论 -
回归(Regression)是什么意思
它并不是存在那里的一个向量,而是描述向量之间的关系。就像我们的大脑一样,我们的大脑中并没有一个像电脑一样的存储介质来存储记忆。而是,通过数量众多的神经元,这个世界的时候,我们并不能得到这个世界的全部信息(更加准确,更能精确地描述自变量和因变量之间的。我们的认知又是什么呢?就是回归方程的参数。),只能得到这个世界展现出的可被我们观测的。,就只能通过尽可能多的信息,从而使得我们的。通过更多的数据(自变量和因变量),使得。就是自变量和因变量之间的。那么,如果我们想得到世界的。,并且用回归方程描述。...转载 2022-08-15 08:07:05 · 1782 阅读 · 0 评论 -
Visual Studio Code Keyboard shortcuts for Linux
Visual Studio Code: Multi-line and multi-cursor editing | Ken CenerelliMulti-Line EditingMulti-line editing is similar to column mode editing in Notepad++. The idea is to edit multiple instances of text on contiguous lines and replace it with similar i原创 2022-05-28 06:33:43 · 283 阅读 · 0 评论 -
load your own custom image dataset
https://github.com/aladdinpersson/Machine-Learning-Collection/tree/master/ML/TensorFlow/Basics/tutorial18-customdata-imageshttps://www.analyticsvidhya.com/blog/2021/07/step-by-step-guide-for-image-classification-on-custom-datasets/https://github.com/N.原创 2022-04-24 11:52:43 · 1405 阅读 · 0 评论 -
K-Means & Autoencoder & DBSCAN
Implementing K-Means in Octave/Matlab - Aaqib SaeedGaussian Mixture Models Tutorial and MATLAB Code · Chris McCormickCS221GitHub - powerplayer9/Matlab-KMeans: K-Means Algorithm for RGB Color Imagehttps://github.com/matzewolf/kMeansK-Means Clu...原创 2022-04-22 12:19:02 · 1472 阅读 · 0 评论 -
Evaluating a Classification Model & Training tricks for DL
ROC, AUC, confusion matrix, and metricsEvaluating a Classification Model | Machine Learning, Deep Learning, and Computer VisionUnderstanding perplexity, bits-per-character, and cross entropyEvaluation Metrics for Language Modeling原创 2022-04-10 10:11:39 · 315 阅读 · 0 评论 -
PointNet++
Furthest Point Sampling | Minibatch AIdef fps(points, n_samples): """ points: [N, 3] array containing the whole point cloud n_samples: samples you want in the sampled point cloud typically << N """ points = np.array(poin...原创 2022-04-03 06:29:10 · 1087 阅读 · 1 评论 -
make python script executable in linux
How to create a Linux executable file using python code - Stack Overflowallow it to be executed. To do it, you must use thechmodcommand as follows:chmod +x youfile.py.The+xadd the right to be executed.Ubuntu doesn't know that he must use the...原创 2022-03-25 06:13:49 · 2030 阅读 · 0 评论 -
朴素贝叶斯和SVM
详解最大似然估计(MLE)、最大后验概率估计(MAP),以及贝叶斯公式的理解_nebulaf91的博客-CSDN博客_最大后验估计如何简单理解贝叶斯决策理论(Bayes Decision Theory)? - 知乎参数估计 | Python 与机器学习...原创 2022-03-02 15:33:43 · 946 阅读 · 0 评论 -
Linux和Windows命令行指令以及环境变量设置
Ashellis a program that takes commands from files or entered interactively through the keyboard and passes them on to the operating system to be executed. A shell is accessed through aterminal (emulator). Where you would normally execute a command by c...原创 2022-02-16 09:30:42 · 442 阅读 · 0 评论 -
Colab + Vs Code + GitHub + Jupyter (Perfect combination)
https://colab.research.google.com/github/JayThibs/jacques-blog/blob/master/_notebooks/2021-09-27-connect-to-colab-from-local-vscode.ipynb#scrollTo=WA2MmkhS0Prd这个必须看,Caltech课程包含python语法介绍,latex,colab使用,数据处理:BE/Bi 103 a: Introduction to Data Analysis in原创 2022-02-16 08:52:36 · 491 阅读 · 0 评论 -
pandas和 numpy常用指令总结
pandas常用指令 | citisy的炼丹房1. 数据导入1.1. pd.DataFrame()data,ndarray (structured or homogeneous), Iterable, dict, or DataFrame输入数据源 ndarray:np.array() Iterable:[[1,2,3],[4,5,6]] dict:{'a':[1,2,3], 'b':[4,5,6]}->df.columns=['a','b], df...转载 2022-02-11 12:28:28 · 2895 阅读 · 0 评论 -
Ubuntu使用teamviewer连接windows电脑
1,下载安装teamviewerTeamViewer Linux Download for Remote Desktop access and collaborationsudo apt install -f teamviewer-host_15.25.5_amd64.deb如报错没有权限,命令前加 sudoapt - Unable to locate package -- when the /file/ is right in the directory (it's a .deb) .原创 2022-01-05 07:35:40 · 654 阅读 · 0 评论 -
accuracy coverage precision recall f1
Evaluation Metrics | Machine Learning | python-course.eu多分类模型Accuracy, Precision, Recall和F1-score的超级无敌深入探讨 - 知乎原创 2021-12-17 11:53:35 · 337 阅读 · 0 评论 -
When to Use MLP(ANN), CNN, and RNN Neural Networks
Artificial Neural Network (ANN)is also known as aFeed-Forward Neural networkbecause inputs are processed only in the forward direction.ANN vs CNN vs RNN | Types of Neural NetworksWhen to Use MLP, CNN, and RNN Neural NetworksWhen to Use Multilayer...原创 2021-12-16 06:08:38 · 212 阅读 · 0 评论 -
理解dropout
https://towardsdatascience.com/simplified-math-behind-dropout-in-deep-learning-6d50f3f47275Dropout Regularization in Neural Networks: How it Works and When to Use ItHow to Reduce Overfitting With Dropout Regularization in Kerasanswer is n*m*s...原创 2021-12-15 18:14:43 · 917 阅读 · 0 评论 -
解决shapes (none,111) and (none,111) are incompatible
1,sparse_categorical_crossentropy和categorical_crossentropy的区别对应解决这类问题:“logits and labels must have the same first dimension, got logits shape [32,28] and labels shape [3360]".出现这个错误的原因就是网络最终输出shape和label的shape不一致My features and labels matrices have原创 2021-12-05 07:43:19 · 2436 阅读 · 1 评论 -
Python命令行脚本文件传参和函数传参以及解析参数,spyder,spacy使用
1,Python命令行脚本文件传参运行Python脚本时在命令行中传入参数_guofei_fly的博客-CSDN博客命令行运行Python脚本时传入参数的三种方式 - 汉尼拔草 - 博客园命令行运行Python脚本时传入参数的三种方式_Daniel2333的博客-CSDN博客_python 命令行传入参数2,Python函数传参Python传入参数的几种方法_清风阁-CSDN博客_python 传参...原创 2021-12-01 09:33:47 · 682 阅读 · 0 评论 -
神经网络的调参方法以及验证集(开发集)的概念
1, 验证集(开发集)的概念训练集(Training set)——用来训练算法的数据集,亦即用来确定W、b参数,训练集就是用来训练参数的,说准确点,一般是用来梯度下降的。 开发集(development set)——用来对学习算法调整参数,选择特征或者做其他的决策的数据集。亦即用来选择超参数(网络层数,网络节点数,迭代次数,学习率这些).也叫做交叉验证集(hold-out cross validation set) 测试集——既不参与参数的学习过程,也不参与参数的选择过程,仅仅用来评估算法表现(..原创 2021-11-28 07:49:39 · 3221 阅读 · 1 评论 -
TensorFlow2.0学习以及pytest测试指令
简单粗暴 TensorFlow 2 | A Concise Handbook of TensorFlow 2 — 简单粗暴 TensorFlow 2 0.4 beta 文档https://blog.csdn.net/qq_40643699/category_10545446.htmlhttps://blog.csdn.net/qq_38251616/category_10732944.html原创 2021-10-25 04:35:18 · 2011 阅读 · 0 评论 -
Ubuntu 配置Python环境(包括Tensorflow)
1,安装minicondahttps://gist.github.com/arose13/fcc1d2d5ad67503ba9842ea64f6bac35How to Install miniconda on linux (from the command line only)# Setup Ubuntusudo apt update --yessudo apt upgrade --yes# Get Miniconda and make it the main Python inte.原创 2021-10-19 16:48:54 · 1489 阅读 · 0 评论 -
A “single-layer“ perceptron can‘t implement XOR
Single-layer Neural Networks (Perceptrons)原创 2021-10-14 15:29:19 · 113 阅读 · 0 评论 -
非常好的神经网络直观解释的网站
Neural Networks from Scratch - an interactive guide3Blue1Brown原创 2021-10-14 13:10:11 · 642 阅读 · 0 评论 -
哈夫曼编码和哈夫曼树的构建与解释
1,数据结构——哈夫曼(Huffman)树+哈夫曼编码https://www.cnblogs.com/wkfvawl/p/9783271.html假设有n个权值,则构造出的哈夫曼树有n个叶子结点。 n个权值分别设为 w1、w2、…、wn,哈夫曼树的构造规则为:1. 将w1、w2、…,wn看成是有n 棵树的森林(每棵树仅有一个结点);2. 在森林中选出根结点的权值最小的两棵树进行合并,作为一棵新树的左、右子树,且新树的根结点权值为其左、右子树根结点权值之和;3. 从森林中删除选取的两..原创 2020-09-08 17:53:54 · 535 阅读 · 0 评论 -
anaconda和python安装cv2模块或者opencv的成功方法-超简单
1,先更新pip(也可不更新,直接第二步) 1 python-mpipinstall--upgradepip 2,在cmd直接使用下面的指令即可安装cv2模块 2 pip install opencv-python 不可使用pip install cv2原创 2020-09-07 17:32:20 · 2126 阅读 · 1 评论 -
Numpy的outer外积以及dtype=object的含义
1, numpy.outer(a,b,out=None)[source]Compute the outer product of two vectors.Given two vectors,a=[a0,a1,...,aM]andb=[b0,b1,...,bN], the outer productis:[[a0*b0 a0*b1 ... a0*bN ] [a1*b0 . [ ... . [aM*b0 a...原创 2020-09-07 14:23:20 · 6125 阅读 · 0 评论 -
NumPy 三维数组以及高维数组切片和索引
1,Indexing and slicing numpy arrayshttps://www.pythoninformer.com/python-libraries/numpy/numpy-and-images/In this section we will look at indexing and slicing. These work in a similar way to indexing and slicing with standard Pythonlists, with a few d.原创 2020-09-04 15:55:47 · 10117 阅读 · 8 评论 -
利用 Anaconda 升级Spyder
步骤:尽量不要使用pip进行更新, 那可能会损害spyder,而要用conda命令!1.首先关闭正在运行的spyder,然后以管理员身份运行Anaconda Prompt(Anaconda3)2.升级conda,在base终端输入conda update conda下面的提示 输入y: Proceed ([y]/n)? y这一步会自动更新所有的包,包括spyder最新包3,在base终端输入conda update spyder这一步只作为验证,事实上在第二步已经完成安..原创 2020-09-03 13:14:50 · 6357 阅读 · 0 评论 -
python数字图像处理以及绘图
参考:python数字图像处理 https://www.cnblogs.com/denny402/p/5121501.htmlpython skimage图像处理(一)https://www.jianshu.com/p/f2e88197e81d用python简单处理图片(1):打开\显示\保存图像https://www.cnblogs.com/denny402/p/5096001.html..................原创 2020-09-02 17:31:49 · 3717 阅读 · 0 评论 -
python问题解决: module ‘test‘ has no attribute
不可以使用test.py这种命名,因为Anaconda自带的环境中有这个文件,会造成重定义问题C:\ProgramData\Anaconda3\lib\test\__init__.pyImportError: cannot import name 'test1' from 'test' (C:\ProgramData\Anaconda3\lib\test\__init__.py)解决方法:将test.py重命名为test2.py...原创 2020-09-02 16:00:36 · 8759 阅读 · 3 评论 -
Python初学汇总杂记
1,Anaconda详细安装及使用教程(带图文)https://blog.csdn.net/ITLearnHall/article/details/817081482,Python为什么要使用虚拟环境-Python虚拟环境的安装和配置https://blog.csdn.net/godot06/article/details/810790643,Python 3 教程https://www.runoob.com/python3/python3-tutorial.html4,python原创 2020-09-02 11:38:00 · 1399 阅读 · 0 评论 -
机器学习入门---第十一天
无监督学习1,无监督学习的概念输入都是无label的数据,没有训练集之说,也就是只能从一些无label的数据中自己寻找规律2,无监督学习的两大任务:“化繁为简”(聚类、降维)、“无中生有”所谓的“化繁为简”的意思:我们要找一个function要把所有的树都变成抽象的树,但是你所拥有的train data就只有一大堆的image(各种不同的image),你不知道它的output应该是要长什么样子。所谓的“无中生有”的意思:在这个task里面你要找一个可以画图的function,你只有这原创 2020-05-28 01:09:52 · 206 阅读 · 0 评论 -
机器学习入门---第十天
半监督学习(semi-supervised learning)1,监督学习、无监督学习和半监督学习的区别监督学习(supervised learning):训练集中有训练数据,训练数据对应的标签. 无监督学习(unsupervised learning):训练集中只有训练数据,没有与训练数据对应的标签. 半监督学习(semi-supervised learning):训练集中的训练数据只有一部分有对应的标签,而另一部分没有对应的标签.2, 半监督学习的transductive learning原创 2020-05-23 00:22:02 · 425 阅读 · 0 评论 -
深度学习中的一些概念------epochs,batch,iterations,Mini-batch gradient descent, 前向传播,反向传播
1,epochs,batch,iterations1,epochs1个epoch等于使用全部训练数据训练一次,也可以说1个epoch是整个输入数据的单次向前和向后传递。epoch的值就是同样的一个全部训练数据集被重复用几次来训练,亦即应当完整遍历训练数据集多少次。2,batch把全部训练数据分为若干个批(batch),按批来更新参数。既不是像Batch gradient descent(批梯度下降)那样,遍历全部数据集算一次损失函数,然后算函数对各个参数的梯度,更新梯度。也不是像stoc原创 2020-05-20 23:12:20 · 5008 阅读 · 0 评论 -
机器学习入门-第九天
卷积神经网络(Convolutional Neural Network)1,为什么用CNNCNN做的事情其实是,来简化neural network的架构,我们根据自己的知识和对图像处理的理解,一开始就把某些实际上用不到的参数给过滤掉,不是用fully connected network,而是用比较少的参数来解决问题.机器识图的过程:机器识别图像并不是一下子将一个复杂的图片完整识别出来,而是将一个完整的图片分割成许多个小部分,把每个小部分里具有的特征提取出来(也就是识别每个小部分),再将这些小部分原创 2020-05-19 17:18:06 · 310 阅读 · 0 评论 -
傅里叶变换, 卷积和感受野
1,傅里叶变换1,振幅、周期、频率、相位定义及相互关系2,时域,空域,频域时域: 自变量是时间,因变量是振幅; 描述的是时间与振幅的关系.时域是真实世界,是惟一实际存在的域。 频域: 自变量是频率,因变量是振幅; 描述的是频率与振幅的关系. 频域不是真实的,而是一个数学构造。频域实际上是时域信号进 行傅立叶变换的数学结果。 空域:自变量是空间坐标, 因变量是该做表对应的信号值(如像素灰度值); 描述的是距离(坐标)与振幅的关系.一幅数字图像可定义为一个二维函数f(x,...原创 2020-05-18 15:04:38 · 3434 阅读 · 0 评论 -
机器学习入门-第八天
Tips for Deep Learning针对training set和testing set上的performance分别提出针对性的解决方法在training set上准确率不高: new activation function:ReLU、Maxout adaptive learning rate:Adagrad、RMSProp、Momentum、Adam 在testing set上准确率不高:Early Stopping、Regularization or Dropout1,trai原创 2020-05-13 23:14:10 · 427 阅读 · 0 评论 -
机器学习入门-第七天
1, Deep Learning简介1,什么是深度学习深度学习的model是一个深度神经网络结构(neural structure) 深度学习的“深度”是指神经网络的隐层(hidden layer)数量足够多 深度学习是自动提取特征(Feature extractor),不需要像逻辑回归那样特征转换(Feature engineering) 每一个neuron里面的sigmoid function,在Deep Learning中被称为activation function(激励函数) 有很多原创 2020-05-13 15:42:49 · 363 阅读 · 0 评论 -
机器学习入门-第六天
1,生成模型和判别模型的区别相同点: 同样的model 都是, 同样的goodness of function都是使用似然函数L.不同点: 生成模型使用的损失函数中的每个样本的概率f,都假设为一个特定分布(如高斯分布),用该分布的概率密度函数来代替f,最后求出这个概率分布(μ,Σ)就可以.判别模型则是不假设分布,直接对似然函数求gradient decent,似然函数经对数变换后得到的交叉熵作为损失函数...原创 2020-05-12 18:25:42 · 205 阅读 · 0 评论