- 博客(19)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Mysql高级
1.逻辑架构连接层，服务层，引擎层，存储层2.存储引擎比较查看命令show variables like '%storage_engine';MyISAM VS InnoDB外键：InnoDB 支持外键。事务：InnoDB 是事务型的，可以使用 Commit 和 Rollback 语句。并发：MyISAM 只支持表级锁，而 InnoDB 还支持行级锁。缓存：MyISAM只缓存索引，InnoDB不仅缓存索引还缓存真实数据。关注点：MyISAM关注性能，InnoDB关注事务。3.Joi
2020-07-16 18:10:20
1025
原创 MongoDB安装
1.windows安装官网下载下载解压即可将mongodb的bin目录添加到环境变量启动数据库服务创建数据库存放目录（如：c:\data\db）打开cmdmongod --dbpath c:\data\db注：开启服务后窗口关闭服务就关闭了2.配置windows服务配置mongodb开机后台自启动推荐目录设置dataconf (配置文件目录)mongod.con...
2020-04-08 19:05:15
133
原创 Docker简单使用
1.核心概念docker主机(Host)：安装了Docker程序的机器；docker客户端(Client)：用来连接docker主机进行操作；docker仓库(Registry)：用来保存各种打包好的软件镜像；docker镜像(Images)：软件打包好的镜像；放在docker仓库中；docker容器(Container)：镜像启动后的实例称为一个容器；容器是独立运行的一个或一组应用。...
2020-04-01 20:33:49
144
原创 Java注解
Java注解1. 常见的内置注解@Override只能修饰方法，表示对父类的方法进行重写@Deprecated可以修饰方法、属性、类，表示这些元素不鼓励程序员使用@SuppressWarnings可以修饰方法、类，用来抑制警告常见参数：deprecation -> 使用过时方法的警告unchecked -> 执行了未检查的转换时的警告，如使用集合没指定泛型all ...
2020-01-29 15:00:49
120
原创 C++的输入
C++的输入1. cin的返回值当cin能够读取到合法值的时候，cin返回其自身的引用，当读到不合法的值的返回0。可以通过while语句多次读取：#include <iostream>using namespace std;int main(){ int a; while (cin >> a) { cout <&l...
2020-01-17 12:10:59
320
原创 模型的保存和恢复
模型的保存和恢复1. 模型整体保存模型整体保存指保存模型权重，模型配置和优化器配置import tensorflow as tf# 保存模型model.save("model.h5")# 加载模型new_model = tf.keras.models.load_model("model.h5")2. 仅保存模型架构json_config = model.to_json()#...
2019-12-19 13:18:24
477
原创 Mysql
1. 常用数据库dos窗口命令：进入数据库mysql -u root -p创建数据库create database 数据库名称;删除数据库drop database 数据库名称;查看数据库show databases;使用数据库use 数据库名称查看数据库中的表show tables;注：先使用数据库，才能查看数据库中的表修改密码ALTER USER ‘root...
2019-12-17 20:45:19
210
原创 Eager模式及自定义训练
Eager模式及自定义训练Tensorflow的eager模式是一个命令式编程环境，它可以使我们立即评估操作的结果，无需构建计算图Tensorflow默认就是eager模式import tensorflow as tftf.__version__‘2.0.0’# 判断是否处于eager模式tf.executing_eagerly()Truex = [[2]]resu...
2019-12-13 18:53:30
965
1
原创 tf.data模块
tf.data模块import tensorflow as tftf.__version__'2.0.0'tf.data模块用于构建输入，且可以处理大量数据、不同的数据格式，以及数据转换。tf.data.Dateset表示一组数据。tf.data.Dateset中一个元素包含一个或者多个Tensor对象，例如一个元素代表单个训练样本或者代表一对训练数据和标签创建Datasettf...
2019-12-09 11:50:56
336
原创 特征处理
1. 特征缩放公式：Xi=Xi−XminXmax−XminX_i = \frac{X_i - X_{min}}{X_{max} - X_{min}}Xi=Xmax−XminXi−Xminimport numpy as npfrom sklearn.preprocessing import MinMaxScalerdata = np.array([[115.], [140.]...
2019-11-25 15:40:40
198
转载 聚类
1. K-Means(K均值)聚类算法步骤：(1) 首先我们选择一些类/组，并随机初始化它们各自的中心点。中心点是与每个数据点向量长度相同的位置。这需要我们提前预知类的数量(即中心点的数量)。(2) 计算每个数据点到中心点的距离，数据点距离哪个中心点最近就划分到哪一类中。(3) 计算每一类中中心点作为新的中心点。(4) 重复以上步骤，直到每一类中心在每次迭代后变化不大为止。也可以多次随...
2019-11-24 18:56:00
588
原创 集成学习方法
1. 什么是集成学习方法集成学习方法是指组合多个模型，以获得更好的效果，使集成的模型具有更强的泛化能力。集成学习主要有两种方法：Bagging和Boosting。...
2019-11-23 11:21:31
1435
原创 支持向量机(SVM)
1. 什么是支持向量机通俗来讲，SVM是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，即支持向量机的学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。如：SVM要做的就是找出划分蓝点和红点的一条线，且使这条线尽可能远离这些点(即就是让两条虚线之间的距离Margin最大)。中间那条关键的线我们叫它“超平面”。我们现在处理的是二维平面数据，此时超平面为一条直...
2019-11-20 14:44:25
364
原创 朴素贝叶斯
1. 贝叶斯公式问题描述：已知A事件发生的概率P(A)，B事件发生的概率P(B)，以及在A事件发生的前提下B事件发生的概率P(B|A)那么在B事件发生的前提下A事件发生的概率P(A|B)：P(A∣B)=P(A)P(B∣A)P(B)P(A|B) = \frac{ P(A)P(B|A) } { P(B) }P(A∣B)=P(B)P(A)P(B∣A)举例：今天出去游玩，但是出门发现早上天气...
2019-11-17 16:58:48
188
转载 决策树
1. 决策树的构造决策树学习的算法通常是一个递归地选择最优特征，并根据该特征对训练数据进行分割，使得各个子数据集有一个最好的分类的过程。这一过程对应着对特征空间的划分，也对应着决策树的构建。开始：构建根节点，将所有训练数据都放在根节点，选择一个最优特征，按着这一特征将训练数据集分割成子集，使得各个子集有一个在当前条件下最好的分类。如果这些子集已经能够被基本正确分类，那么构建叶节点，并...
2019-11-16 20:33:15
190
原创 scikit learn的常用函数
scikit learn的一些函数读取数据import pandasimport numpy# Read the datadata = pandas.read_csv('data.csv')# Split the data into X and yX = numpy.array(data[['x1', 'x2']])y = numpy.array(data['y'])使用不...
2019-11-16 20:26:36
400
1
原创 利用Pandas加载CSV文件
读取CSV文件import pandas as pdimport numpy as npdata = pd.read_csv("data.csv")# TODO: Separate the features and the labels into arrays called X and yX = np.array(data[['x1', 'x2']])y = np.array(d...
2019-11-16 12:20:50
381
转载 感知机算法
什么是感知机「Perceptron」PLA全称是Perceptron Linear Algorithm，即线性感知机算法，属于一种最简单的感知机（Perceptron）模型。感知机模型是机器学习二分类问题中的一个非常简单的模型。它的基本结构如下图所示：其中，xi是输入，wi表示权重系数，b表示偏移常数。感知机的线性输出为:为了简化计算，通常我们将b作为权重系数的一个维度，即w0。同时，...
2019-11-16 12:18:01
280
转载 模型评估指标
1. 混淆矩阵(Confusion Matrix)适用于二分类问题用Y表示标签，y表示模型预测值Y \ yTrueFalseTrue真阳性假阴性False假阳性真阴性注：真假表示预测值与标签值是否相同，相同为真，不同为假。阴阳表示预测值的真假，真即为阳，假即为阴。...
2019-11-14 10:03:22
694
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人