自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(11)
  • 收藏
  • 关注

原创 Sodility配置本地IDE和共享目录

Sodility配置本地IDE和共享目录如同其他编程工作,我们第一步要配置本地的IDE,我们使用的是Mist浏览器中的remixIDE Mist==》 开发==》 Open Remix IDE显示上面的界面。 这个IDE可以创建文件,但是,我们在本地看不到(右键,看不到文件目录),为了解决这个问题,我们要安装一个插件,方便我们在本地找到对应的文件(此为成功效果)

2017-11-27 14:22:10 1325

原创 以太坊构建节点集群流程,多节点智能合约,常见错误及处理手段

在构建多节点私有链网络时,遇到了诸多问题,首先是因为授课时,老师需要在A,B两台电脑之间切换,所以导致看的很吃力。还有我是在两台电脑上构建的2个节点,虽然方法没错,但是节点的添加是失效的,所以,一定要在虚拟机下建立两个节点(浪费我好多时间),这样才会成功建立节点集群。

2017-11-22 15:29:19 1723

原创 安装Keras,Tensorflow(GPU)版常见错误及处理方式

最近尝试学习Tensorflow,但是由于学习资源的问题导致后续一系列的问题,简单来说,学习tensorflow时,要直接查看Github上的指导,而不是按照博客,百度上的指导方式,因为由于版本更迭过快,类似极客学院,博客上的指导方式及代码已经运行不了,按照报错一步步处理反而陷入死胡同,越改越错,下面给出我在安装Keras及Tensorflow时遇到的错误。错误及常规处理cp: 无法获取”cuda/

2017-03-01 10:48:02 6456

原创 主成分分析(PCA)

定义PCA的思想是将n维特征映射到k维上(k背景在机器学习过程中,第一步就是数据的处理。在大多数机器学习课程中,为了简化理解,前几节课都是只选取1~2个特征量。如此则引出问题,如果特征量多的话怎么办。在分析回归问题时,引入梯度下降法,该方法对于n个特征均成立。同时也发现,可以用矩阵的方式解出theta的值。不过强调了 **特征矩阵X的转制矩阵(XTX^T)与特征矩阵X的乘积要可逆。(当然利用Octa

2017-02-15 20:14:06 492

原创 Octave 入门语法

Octave 是一个简单容易上手的软件,可以用来进行机器学习相关运算,看到相应效果之后再用Python,C,Java,等语言实现。可以最大程度减少开发时间。以下为一些简单的Octave语法。基本操作Q退出 help 帮助 % 用于注释。如 A = [1 2;3 4;5 6]; %新建一个数组A 结尾处加 ; 可以防止数组A打印出来。 A = [1 2;3 4; 5 6]; 下面不出现

2017-02-15 13:33:12 839

原创 分箱问题

问题假设12个销售价格记录组已经排序如下:5, 10, 11, 13, 15,35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频(等深)划分时,15在第几个箱子内?等宽划分时在第几个箱?分箱问题分为有监督分箱和无监督分箱。无监督分箱等宽分箱      将变量的取值范围分为k个等宽的区间,每个区间当作一个分箱。      在本问题中变量的取值范围为

2017-02-05 16:06:08 21320 2

原创 ROC AUC PRC 详细

ROC(receiver operating characteristic curve)受试者工作特征曲线,下图 此图引入了假正率,和真正率。(感觉在读红楼梦) TPR :True Positive Rate(真正率 , TPR)或灵敏度(sensitivity)(就是前文的召回率R)    TPR = TP /(TP + FN) 正样本预测结果数 / 正样本实际数 TNR :Tr

2017-02-05 13:06:24 1899

原创 精确率 召回率 F1(详细)

精确率召回率等相关知识点经常出现在笔试题中,如果仅考查精确率召回率并不难理解记忆。但是有时结合ROC等知识点时,TP,NP,TN,FN,4个不易区分的符号及各种比率会对初学者的理解产生干扰,本文将几个知识点结合起来举例解释,希望能方便大家理解记忆。背景当我们那一个已知结果的数据对算法进行测试时,不难发现算法对数据判断出现的错误。 当待处理数据简单分为正负两类时,显然 对于原数据来说,只有正负两种

2017-02-05 12:56:30 1822

原创 NLP技能需求

作为一个想要要走向NLP巩固走岗位的人来说,有时一头雾水,不知道学习点什么好,以下是我整理的NLP工作相关需求,可以对照加粗部分,查漏补缺,完善自己的知识系统。NLP技能需求1、熟悉自然语言处理/信息检索/机器学习技术。 2、对NLP及机器学习领域常用模型的算法原理及工程开发熟练掌握。 3、熟悉业界通用的处理方案,具有根据需求制定算法方案并完成工程开发的能力。 4、熟练掌握GO,java或py

2017-02-04 12:21:28 2031

原创 贝叶斯公式 先验概率 后验概率(详细)

贝叶斯公式贝叶斯公式是机器学习中的基础公式,也是概率统计里的常用公式,贝叶斯公式常用于监督学习算法中的生成(式)模型(Generative Model),想要对机器学习算法建立体系化的知识结构,对生成模型的理解至关重要,本篇只简述贝叶斯公式。并对先验概率和后验概率的知识点进行整理,以便随时查阅。首先给出两个例子 第一个例子。一所学校里面有 60% 的男生,40% 的女生。男生总是穿长裤,女生则一半

2017-02-03 22:45:34 7356

原创 统计自然语言处理学习 (序及第一章)

统计自然语言处理学习 (序及第一章)自然语言处理定义是一门交叉学科,包括自然语言学,数学(代数,概率)自然语言处理要研制表示语言能力(linguistic competence)和语言应用(linguistic performance)的模型,建立计算框架来实现,这样的语言模型,,根据这样的模型设计各种实用系统,并探讨这些使用系统的测评技术。统计自然语言处理应用机器翻译,语音

2017-01-16 00:16:04 614

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

提示
确定要删除当前文章?
取消 删除