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(18)
  • 收藏
  • 关注

原创 优化模型的方法

偏差和方差

2021-07-19 00:26:23 161

原创 回归的一些问题

线性回归模型的最小二乘表达数据集:D={(x1,y1),...,(xN,yN)},xi∈Rp,yi∈R,i=1,2,...,N,X=(x1,x2,...,xN)T,Y=(y1,y2,...,yN)TD = \{(x_1,y_1),...,(x_N,y_N) \},x_i \in R^p,y_i \in R,i = 1,2,...,N, X = (x_1,x_2,...,x_N)^T,Y=(y_1,y_2,...,y_N)^TD={(x1​,y1​),...,(xN​,yN​)},xi​∈Rp,yi​∈R,

2021-07-16 00:33:48 188

原创 Python绘制函数图形

给定下述Rosenbrock函数,f(x)=(a−x1)2+b(x2−x12)2f(\mathbf{x})=\left(a-x_{1}\right)^{2}+b\left(x_{2}-x_{1}^{2}\right)^{2}f(x)=(a−x1​)2+b(x2​−x12​)2,其中x=(x1x2)T∈R2,a,b∈R\mathbf{x}=\left(\begin{array}{ll}x_{1} & x_{2}\end{array}\right)^{T} \in R^{2}, \quad a, b \

2021-07-14 01:02:41 642

原创 语音识别基础知识

语音识别基础知识语音识别基础语音识别的发展语音识别方法声学模型HMMGMM语言模型n-gramRNN语言模型解码器基于端到端学习的方法语音识别的应用与开发工具语音识别的应用语音识别的开发工具语音识别基础语音识别全称为“自动语音识别”,Automatic Speech Recognition (ASR), 一般是指将语音序列转换成文本序列。语音识别最终是统计优化问题,给定输入序列O={O1,…,On},寻找最可能的词序列W={W1,…,Wm},即寻找使得概率P(W|O)最大的词序列。用贝叶斯公式表示为:

2021-04-19 01:22:41 1010

原创 机器学习模型调优方法(过拟合、欠拟合、泛化误差、集成学习)

机器学习模型调优方法过拟合和欠拟合降低过拟合风险的方法降低欠拟合风险的方法泛化误差、偏差和方差泛化误差偏差和误差模型评估Holdout检验交叉检验自助法集成学习BoostingBagging集成学习的步骤从减小方差和偏差的角度解释Boosting和Bagging过拟合和欠拟合过拟合是指模型对于训练数据拟合呈过当的情况,反映到评估指标上,就是模型在训练集上的表现很好,但在测试集和新数据上的表现较差。欠拟合指的是模型在训练和预测时表现都不好的情况。可以看出,图(a)是欠拟合的情况,拟合的黄线没有很好地

2021-04-19 00:52:39 3749 2

原创 用keras搭建CNN卷积神经网络

CNN的架构卷积神经网络CNN的结构一般包含这几个层:1)输入层:用于数据的输入2)卷积层:使用卷积核进行特征提取和特征映射------>可以多次重复使用3)激励层:由于卷积也是一种线性运算,因此需要增加非线性映射(也就是激活函数)4)池化层:进行下采样,对特征图稀疏处理,减少数据运算量----->可以多次重复使用5)Flatten操作:将二维的向量,拉直为一维的向量,从而可以放入下一层的神经网络中6)全连接层:通常在CNN的尾部进行重新拟合,减少特征信息的损失----->D

2021-04-19 00:14:02 4046 1

原创 食物语音识别(音频数据特征提取)

在上文音频数据探究的基础上,探究音频数据的特征提取。音频数据特征提取常见的音频特征提取过零率频谱质心声谱衰减色度频率MFCC特征提取梅尔频谱和梅尔倒谱梅尔尺度(Mel Scale)梅尔滤波器梅尔倒谱常见的音频特征提取过零率过零率(zero crossing rate)是一个信号符号变化的比率,即,在每帧中,语音信号从正变为负或从负变为正的次数。 这个特征已在语音识别和音乐信息检索领域得到广泛使用,通常对类似金属、摇滚等高冲击性的声音的具有更高的价值。一般情况下,过零率越大,频率近似越高。x, s

2021-04-14 21:03:12 538

原创 食物语音识别(音频数据探究)

在上文baseline的基础上,探究音频数据。食物语音识别(音频数据探究)音频处理库LibrosaIPython.display.Audio查看音频数据查看音频特征查看声谱图音频处理库Librosa通常用于分析音频信号,但更倾向于音乐,它包括用于构建MIR(音乐信息检索)系统的nuts 和 bolts。IPython.display.Audio该模块能使得音频直接在jupyter笔记本中播放。查看音频数据# 加载音频处理库import osimport matplotlib.pyplot

2021-04-14 20:28:12 317 1

原创 食物语音识别baseline(CNN)

本次赛题是Datawhale与天池联合发起零基础入门语音识别-食物声音识别挑战赛。食物语音识别baseline(CNN)语音识别特征提取MFCC数据集1 下载和解压数据集2 加载库函数3 特征提取以及数据集的建立建立类别标签字典提取梅尔频谱特征获取特征和标签独热编码把数据集划分为训练集和测试集4 建立模型搭建CNN网络训练模型5 预测测试集6 结果语音识别特征提取MFCC梅尔倒谱系数(Mel-scaleFrequency Cepstral Coefficients,简称MFCC)。MFCC通常有以

2021-04-14 20:08:55 449

转载 python:numpy排序搜索计数及集合

numpy排序搜索计数及集合排序numpy.sortnumpy.argsort搜索numpy.argmaxnumpy.argminnumppy.nonzeronumpy.wherenumpy.searchsorted计数numpy.count_nonzero集合numpy.uniquenumpy.intersect1dnumpy.union1dsetxor1d排序numpy.sorta. axis:排序沿数组的(轴)方向,0表示按行,1表示按列,None表示展开来排序,默认为-1,表示沿后的轴排序。

2020-10-31 23:31:11 253

转载 python:numpy数学函数和逻辑函数

numpy数学函数和逻辑函数算术运算numpy.add()numpy.subtract()numpy.multiply()numpy.divide()numpy.floor_divide(x1, x2)numpy.power()numpy.sqrt(x, *args, **kwargs)numpy.square(x, *args, **kwargs)三角函数numpy.sin()numpy.cos()numpy.tan()numpy.arcsin()numpy.arccos()numpy.arctan()指

2020-10-28 17:42:42 572

转载 python:numpy数组变形

python:numpy数组变形更改形状numpy.ndarray.shapenumpy.ndarray.flatnumpy.ndarray.flatten([order='C'])numpy.reshape(a, newshape[, order='C'])更改维度numpy.newaxis = Nonenumpy.squeeze(a, axis=None)数组组合numpy.concatenate((a1, a2, ...), axis=0, out=None)numpy.vstack(tup)nump

2020-10-25 20:24:56 494

转载 python:numpy索引

numpy索引对二维数组切片dots 索引整数数组索引numpy. take布尔索引数组迭代对二维数组切片import numpy as npx = np.array([[11, 12, 13, 14, 15], [16, 17, 18, 19, 20], [21, 22, 23, 24, 25], [26, 27, 28, 29, 30], [31, 32, 33, 34, 35]])p

2020-10-23 21:57:18 451

转载 python:numpy数据类型及数组创建

numpy数据类型1. 常量numpy.nahnumpy.infnumpy.pinumpy.e2. 数据类型3. 时间日期和时间增量datetime64timedelta644. 数组创建通过array()函数进行创建narray通过asarray()函数进行创建narray通过fromfunction()函数进行创建narray零数组zeros()zeros_like()1数组ones()ones_like()空数组empty()empty_like()单位数组eye()identity()对角数组dia

2020-10-20 22:46:09 979

原创 Leetcode 查找(滑动数组、二分查找)(219 / 220)(35 / 540 / 410)

Leetcode 查找(滑动数组、二分查找)滑动数组Leetcode 219. 存在重复元素 II题目描述解题思路代码Leetcode 220.存在重复元素 III题目描述解题思路代码二分查找代码模板Leetcode 35. 搜索插入位置题目描述解题思路代码Leetcode 540. 有序数组中的单一元素题目描述解题思路代码Leetcode 410. 分割数组的最大值题目描述解题思路代码参考:DATAWHALE滑动数组Leetcode 219. 存在重复元素 II题目描述给定一个整数数组和一个整数

2020-08-28 21:41:31 198

原创 Leetcode 查找(查找表、对撞指针)(349/ 350/ 242/ 202/ 290/ 205/ 451)(1/ 15/ 18/ 16/ 454/ 49/ 447/ 149)

查找表数据结构第一类: 查找有无–set元素’a’是否存在,通常用set:集合set只存储键,而不需要对应其相应的值。set中的键不允许重复第二类: 查找对应关系(键值对应)–dict元素’a’出现了几次:dict–>字典dict中的键不允许重复第三类: 改变映射关系–map通过将原有序列的关系映射统一表示为其他Leetcode 349. 两个数组的交集题目描述给定两个数组,编写一个函数来计算它们的交集。示例:输入:nums1 = [1,2,2,1], nums2 = [

2020-08-24 21:18:24 198

原创 Leetcode 动态规划(300 / 674 / 5 / 516 / 72 / 198 / 213)

什么是动态规划用一句话解释动态规划就是“记住你之前得到的答案”。动态规划常常适用于有重叠子问题和最优子结构性质的问题,动态规划方法所耗时间往往远少于朴素解法。动态规划模板步骤:确定动态规划状态写出状态转移方程(画出状态转移表)考虑初始化条件总结Python常用的初始化方法:对于产生一个全为1,长度为n的数组:dp=[1 for _ in range(n)]dp=[1]*n对于产生一个全为0,长度为m,宽度为n的二维矩阵:dp=[[0 for _ in range(n)] for

2020-08-21 18:53:50 169

原创 Leetcode 分治练习(169 / 53 / 50)

什么是分治算法分治算法的主要思想是将原问题递归地分成若干个子问题,直到子问题满足边界条件,停止递归。将子问题逐个击破(一般是同种方法),将已经解决的子问题合并,最后,算法会层层合并得到原问题的答案。Leetcode 169.多数元素题目描述给定一个大小为 n 的数组,找到其中的多数元素。多数元素是指在数组中出现次数大于 [n/2] 的元素。你可以假设数组是非空的,并且给定的数组总是存在多数元素。示例 1:输入: [3,2,3]输出: 3示例 2:输入: [2,2,1,1,1,2,2]

2020-08-19 20:15:50 126

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