- 博客(12)
- 收藏
- 关注
RSS订阅原创 阿里云服务器DSW报错，找不到conda命令
要使用Conda，你可以按照以下几个步骤进行安装和配置。Miniconda是一个轻量级的Conda发行版，适用于机器学习和数据科学。在执行安装过程中，会出现一些提示，包括接受许可协议、选择安装路径等。注意事项 : 如果你的机器上没有‘wget’，你可以使用‘curl’来下载Miniconda安装脚本。Step4.创建Conda环境 安装并配置Conda后，你可以创建一个新的Conda环境，例如。在安装完成后，初始化Conda以配置shell环境。验证安装 安装完成后，验证Conda是否正常工作。
2024-07-24 15:58:51
212
原创 eaky_relu_ but it isn‘t a special case. Argument types: Tensor, bool,
GPU不允许的原因，求助！
2024-07-11 14:22:11
317
1
原创 K-means
第六步：分析轮廓系数与k值的折线图和手肘图 ，发现当K值为3的时候，轮廓系数最大，并且inertia变化最大，故选K=3为最佳K值。当k到达最佳聚类数时，再增加k所得到的聚合程度，回报会迅速变小，所以SSE的下降幅度会骤减，然后随着k值的继续增大而趋于平缓。也就是说SSE和k的关系图是一个手肘的形状，而这个时部对应的k值就是数据的最佳聚类数。手肘法通过观察随着k值的增加，簇内散度（通常用SSE，也称为Inertia来表示）的降低趋势来选择最佳的k值。最佳K值：取变化较大的拐点处的 k 值。
2024-05-15 03:49:51
10
原创 基于阈值的图像分割
前景和背景之间的类间方差越大，说明构成图像的两个部分之间的差别就越大，当部分目标被错分为背景或部分背景被错分为目标时，都会导致两部分差别变小，当所取阈值的分割使类间方差最大时就意味着错分概率最小。自适应阀值(Adaptive Threshold)法的思想不是计算全局图像的阈值，而是根据图像不同区域亮度分布，计算其局部阈值，所以对于图像不同区域，能够自适应计算不同的阈值，因此称为自适应阈值法，自适应阈值法其实就是局部阈值法。现实生活中的待处理图像，很难保证待分隔图像的物体背景的灰度无变化。
2024-05-14 19:34:31
474
1
原创 边缘与梯度
1.什么是边缘边缘是图像中亮度突变的区域2.边缘的基本类型（根据图像的灰度剖面分类）①突变型边缘/台阶边缘/阶跃边缘在1个像素的距离上发生两个灰度级间理想的过渡②渐变型/斜坡边缘/脉冲边缘主要对应细条状的灰度值突变区域，可以看作是由两个背靠背的阶梯状边缘构成③细线型边缘/屋顶边缘通过一个区域的线的模型，边缘的宽度由该线的宽度和尖锐度决定。
2024-04-01 18:56:52
956
原创 朴素贝叶斯
(4) p(Z|C1)p(C1)=0.014>0.010=p(Z|C2)p(C2)，因此，Z属于类C1=是。X为特征，Y为模型结果，P(Y|X)为后验概率，P(X|Y)为似然度，P(Y)为先验概率，P(X)为边际似然度。，加入拉普拉斯平滑之后，避免了出现概率为0的情况，同时保证了每个值都在0-1的范围内，且最终概率和为1。Z=(天气=“晴”，温度=“高”，湿度=“小”，风力=“无”)根据公式，我们只需计算p(Z|C1)p(C1)和p(Z|C2)p(C2)朴素贝叶斯法是典型的生成方法。其中，K表示类别数量；
2024-04-01 13:08:09
655
原创 计算每个alpha对应的决策树纯度
为子树Tt定义了代价和复杂度，以及一个衡量代价与复杂度之间关系的参数a。其中代价指的是在剪枝过程中因子树T_t被叶节点替代而增加的错分样本；复杂度表示剪枝后子树Tt减少的叶结点数；a则表示剪枝后树的复杂度降低程度与代价间的关系。在树构建完成后，对树进行剪枝简化，使以下损失函数最小化： 损失函数既考虑了代价，又考虑了树的复杂度，所以叫代价复杂度剪枝法，实质就是在树的复杂度与准确性之间取得一个平衡点。
2024-03-27 18:50:54
470
原创 数据库一些练习题
b) STUDENT表中增加一个字段SBIRTH，类型设置为日期时间类型，放在sname列后面，增加一个ADDRESS字段，类型为文本（字符）；f) 修改student表中sage列的位置，修改在birthday后面；在数据库中建一个school库，库中有三个表，student、course、sc。第二部分： 用SQL语言DROP语句删除该表结构，注意主外键关系表删除顺序;c) 删除STUDENT表中ADDRESS字段；先删除外键，再删除主键。
2023-11-15 14:16:31
117
1
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