Statistical Learning
VABIS_VHAS
流媒体优化、多模态融合、具身感知、集群式无人机
展开
-
数据预处理
数据预处理1. 标准化: 去均值的中心化(均值变为0);方差的规模化(方差变为1) 注:标准化是针对每一列而言的,将每一列特征标准化为标准正态分布 参数:with_mean,with_std.这两个都是布尔型的参数,默认情况下都是true,但也可以自定义成false.即不要均值中心化或者不要方差规模化为1.from sklearn import preprocessingimport...原创 2018-07-09 09:18:49 · 494 阅读 · 0 评论 -
人工智能与数据挖掘算法大赛分享
>来源:决赛视频【1】>来源:决赛分享【2】人工智能与数据挖掘比赛流程:赛题分析、特征工程、模型选择、模型优化、评估一、赛题分析:训练集,测试集,数据总量,X,Y,正负样本比例,评价指标,最终目标,特征缺失率优势:根据数据量的大小,判定其适合的方法,深度学习,机器学习,判定其主要是提高泛化能力还是精准度二、特征工程1.特征分析1.1 特征基本信息分析...原创 2018-05-23 22:30:04 · 3880 阅读 · 4 评论 -
Numpy数据处理大全
Numpy数据处理 Author:Tonny 转载请注明出处一、读取文件# 数据加载data = np.loadtxt('load/feature.txt', dtype=np.int32, delimiter=',')# 数据保存np.savetxt('save/feature.txt', data, fmt='%d', delimiter=',')二、...原创 2018-04-15 22:29:40 · 1856 阅读 · 2 评论 -
pandas使用大全--数据与处理
一、生成数据表 1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用:import numpy as npimport pandas as pd122、导入CSV或者xlsx文件:df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.DataFrame(pd.read_excel('name.xlsx'原创 2018-03-09 15:09:16 · 5812 阅读 · 2 评论 -
有关小波的几个术语及常见的小波基介绍
题目:有关小波的几个术语及常见的小波基介绍 本篇是这段时间学习小波变换的一个收尾,了解一下常见的小波函数,混个脸熟,知道一下常见的几个术语,有个印象即可,这里就当是先作一个备忘录,以后若有需要再深入研究。一、小波基选择标准 小波变换不同于傅里叶变换,根据小波母函数的不同,小波变换的结果也不尽相同。现实中到底选择使用哪一种小波的标准一般有以下几点:1、支撑...转载 2017-11-13 20:19:27 · 3101 阅读 · 0 评论 -
小波变换
小波变换 小波,一个神奇的波,可长可短可胖可瘦(伸缩平移),当去学习小波的时候,第一个首先要做的就是回顾傅立叶变换(又回来了,唉),因为他们都是频率变换的方法,而傅立叶变换是最入门的,也是最先了解的,通过傅立叶变换,了解缺点,改进,慢慢的就成了小波变换。主要的关键的方向是傅立叶变换、短时傅立叶变换,小波变换等,第二代小波的什么的就不说了,太多了没太多意义。当然,其中会看到很多的...转载 2017-11-15 15:30:51 · 556 阅读 · 0 评论 -
Bagging和Boosting 概念及区别
Bagging和Boosting都是将已有的分类或回归算法通过一定方式组合起来,形成一个性能更加强大的分类器,更准确的说这是一种分类算法的组装方法。即将弱分类器组装成强分类器的方法。首先介绍Bootstraping,即自助法:它是一种有放回的抽样方法(可能抽到重复的样本)。1、Bagging (bootstrap aggregating)Bagging即套袋法,其算法过程如下:A)...转载 2017-11-13 20:17:30 · 270 阅读 · 0 评论 -
统计学习
一、数据分析过程过程:获取数据--提取数据特征--抽象数据模型--发现数据知识--数据分析与预测对象:连续变量,离散变量目标:提高模型对数据准确的预测和分析核心: 模型:从给定的一组已知数据,学习得到一个适合这组数据的模型,模型的函数集合就是假设空间 策略:从假设空间,选择最优模型的准则 算法:我们要通过优化方法的手段,找到这个最优模型,优化过程就是算法 二、统...原创 2017-11-02 21:53:56 · 290 阅读 · 0 评论