The__Aviator-CSDN博客

原创 jupyter notebook报错kernel error:kernel连接不上----import win32api； ImportError: DLL load failed...

kernel连接不上error原文Traceback (most recent call last): File "D:\Anaconda\envs\tf2\lib\runpy.py", line 193, in _run_module_as_main "__main__", mod_spec) File "D:\Anaconda\envs\tf2\lib\runpy.py", line 85, in _run_code exec(code, run_globals) Fil

2021-08-18 09:25:29 639

原创 github机器学习和深度学习资源汇总

pytorch资源整合（2.9k）https://github.com/INTERMT/Awesome-PyTorch-Chinese中文文档https://pytorch-cn.readthedocs.io/zh/latest/动手学深度学习(中文25.2k)https://github.com/d2l-ai/d2l-zh李沐200所大学的教材pytorch-tutorial（21.5k）https://github.com/yunjey/pytorch-tutoria

2021-08-16 15:53:38 690

原创 05如何处理类别特征？

Categorical Variables: Counting Eggs in theAge of Robotic Chickens定义：类别变量：顾名思义代表类别或标签。比如：世界上的主要城市一年四季一个公司所处的行业(石油、交通、科技)类别特征值总是有限的类别特征可以用数值表示，但是不同于其他数值特征，类别变量的值是不可以比较的（石油和交通谁比较大？比不了如何判断是否该使用类别变量？两个值是只与它们不同有关，还是还与它们相差多少有关？大型分类变量在交易记录中尤为常见。比如：

2021-08-12 15:56:05 490

原创 02简单数值特征的技巧

Fancy Tricks with Simple Numbers先看数值数据，比如：个人的定位交易价格一个传感器的数据等等虽然数值数据本身已经对模型很友好，但是仍然需要特征工程。好的特征不仅要反映数据的重要方面，还要和模型的假设一致。数值数据的特征工程是基础，其他原始数据被转换为数值数据后，就可以利用数值数据的特征工程技术。量纲Magnitude我有必要知道数据的正负吗？也许我们只需要知道比较粗粒度的大小？对于自动累计的数值数据，这一检查很重要：比如：计数网站每天的访问量

2021-08-12 09:56:43 408

原创 01机器学习技术路径

The Machine Learning PipelineData何为数据？数据是真实世界的观察值。比如：股市每日价格，公司的收益报告，甚至专家的评论文章个人身体数据：实时的心率，血糖等级等等客户情报数据：包括“张三星期天买了两本书”、“李四浏览了这些网页”、“王二上周点击了这个特殊的链接”等。等等每一片数据都提供了一个了解这个世界的小窗口，所有观察值的集合就给了我们一整个世界。但是这个世界一团混乱，因为它是由成千上万的碎片组成，而且总是会存在噪声或者缺失。Tasks我们为什么搜集

2021-08-12 09:48:16 96

原创 chapter02 CUDA编程模型 CUDA Programming Model

Chapter 02 CUDA Progeamming Model2.0 WHAT’S IN THIS CHAPTER?Writing a CUDA programExecuting a kernel functionOrganizing threads with grids and blocksMeasuring GPU performance你可以在很多平系统上写CUDA程序，包括嵌入式设备、平板电脑、笔记本电脑、台式机、工作站以及HPC clustered 系统；C语言就可以写CUD

2021-03-19 15:49:55 214 1

原创 charpter_01_Introduction to CUDA programming

Charpter 01 Introduction to CUDA ProgrammingCharpter 01 Introduction to CUDA Programming0. Contents in Brief:1.The history of highperformance computing1.1 Basic1.2 History Overview1.2.1 Three epochs of last century1.2.2 Almost 20 YEARS later … t

2021-02-07 20:26:15 316

原创 Gamma函数的推导过程

[https://mp.weixin.qq.com/s/LKStBCOtpC-X97M3jpdFPw]

2020-04-06 15:59:36 8362 1

函数逼近的理论与方法.pdf

吉林大学函数逼近理论的教学讲义

2019-12-09

PyKrige Documentation.pdf

Kriking插值的python库的说明文档 Kriging Toolkit for Python The code supports 2D and 3D ordinary and universal kriging. Standard variogram models (linear, power, spherical, gaussian, exponential) are built in, but custom variogram models can also be used. The 2D universal kriging code currently supports regional-linear, point-logarithmic, and external drift terms, while the 3D universal kriging code supports a regional-linear drift term in all three spatial dimensions. Both universal kriging classes also support generic ‘specified’ and ‘functional’ drift capabilities. With the ‘specified’ drift capability, the user may manually specify the values of the drift(s) at each data point and all grid points. With the ‘functional’ drift capability, the user may provide callable function(s) of the spatial coordinates that define the drift(s). The package includes a module that contains functions that should be useful in working with ASCII grid files (*.asc).

2019-12-09

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人