- 博客(16)
- 收藏
- 关注
RSS订阅原创 python 使用argparse获取参数
import argparsedef parse_args(): """ Args: None Returns: Namespace """ parser = argparse.ArgumentParser() parser.add_argument("-a", type=int, required=True,help="输入a") parser.add_argument("-b", type=int, requir
2021-01-16 09:40:29
878
原创 java读写csv
添加依赖<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xs
2021-01-16 09:38:34
105
原创 java json 对象互转
依赖<dependency> <groupId>com.alibaba</groupId> <artifactId>fastjson</artifactId> <version>1.2.60</version></dependency>import com.alibaba.fastjson.JSON;import com.alibaba.fastjson.JSONObject;
2021-01-16 09:37:03
95
原创 redis 的使用方法
1.使用Jedis向redis中存取数据添加依赖<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId></dependency><dependency> <groupId>redis.clients</g
2021-01-16 09:36:07
130
原创 迪杰斯特拉
import numpy as npdef distl(matrix,starPoint): M = 1E100 dist=[M]*len(matrix)#用于存放距离 findPonit=[]#用于存放已经找到的点 unFindPoint=[i for i in range(len(matrix))]#用于存放没有找到的点 Finallpath=[[]]*len(matrix)#用于存放路径 dist[starPoint]=0 findPonit.
2021-01-16 09:33:35
107
2
原创 HashMap存储对象的时候为什么要重写hashCode与equals
以下是自己的理解，如有不对烦请指正，感谢！以HashSet举例，其内部是通过HashMap实现。源码如下。HashSet内部是以HashMap来实现的，而HashMap中存储的key存储的是对象的内存地址，value为null. /** * Constructs a new, empty set; the backing <tt>HashMap</tt> instance has * default initial capacity (16) and
2021-01-16 08:26:03
301
原创 python多进程与多线程
进程与线程进程是资源分配的最小单位，他是操作系统进行资源分配和调度运行的基本单位，一旦创建一个进程就会分配一定的资源，通俗理解一个正在运行的程序就是一个进程，例如微信，QQ都是进程。线程是程序运行的最小单位，实际上进程只负责分配资源，而利用这些资源执行程序的是线程，一个进程中至少有一个线程来执行程序。同一进程中的线程共享进程的全部资源。1.关系对比：线程是依附在进程里面的，没有进程就没有线程，一个进程默认提供一条线程，进程可以创建多个线程。2.区别对比：创建进程的资源开销比较大，进程是操作系统资源分
2021-01-05 20:58:22
74
原创 逻辑回归
逻辑回归原理逻辑回归是一种对数概率回归，虽然名字中带有回归，实际上是一种解决分类问题的二分类算法。他是用sigmoid函数估计出样本属于正样本的概率。sigmoid的函数表达式为：h(z)=11+e(−z)h(z)=\frac{1}{1+e^{(-z)}}h(z)=1+e(−z)1其中z=w0+w1⋅x1+…+wn⋅xnz=w_{0}+w_{1}\cdot x_{1}+{\ldots}+w_{n}\cdot x_{n}z=w0+w1⋅x1+…+wn⋅xn，即h(z)=11+e(−wTx)h
2021-01-05 20:40:33
115
原创 机器学习中的数学知识——最小二乘法
1.线性回归2.非线性回归3.聚类4.分类5.降维6.优化算法（启发式优化算法）定义最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。也是机器学习中常用的优化器。设(x,y)(x,y)(x,y)是一对观测量，且x=[x1,x2,...,xn]T∈RN，y∈Rx=[x_1,x_2,...,x_n]^T\in \mathbb R^N，y\in\mathbb
2020-12-04 21:55:13
585
原创 droupout和BN层的区别
droupout和BN层的区别相关链接https://blog.csdn.net/yunlong_g/article/details/107402085首先两者都是为了防止网络过拟合而进行的手段。不同点：1.droupout是在全连接层，随机的是一些全连接层的神经元暂时性的失活。属于一种集成学习的方法防止过拟合，在训练集中使用特征融合的思想。按照比例完成分类，或者其他任务。并不能解决梯度消失，或爆炸问题2.BN在卷积层之后，激活函数之前，起到一个将卷积结果归一化的作用。可以有效结果梯度消失，或爆炸
2020-12-04 21:53:05
431
原创 主成成份分析——PCA
PCA原理在很多应用问题中向量的维度会很高，不仅给算法带来挑战，而且会带来维度灾难。PCA就是一种经典的无监督学习的线性降维方法。基本步骤计算投影矩阵1.计算样本集的均值向量，将所有的向量减去均值向量，称为白化。2.计算样本集的协方差矩阵。3.对协方差矩阵特征值分解，得到特征向量与特征值。4.将特征值从大到小排序，保留大部分的特征值所对应的特征向量，形成投影矩阵。向量降维5.将样本减掉均值向量。6.左乘投影矩阵，得到降维后的向量。算法原理寻找一个空间是的数据在此空间站散度最大，也就是
2020-12-02 00:15:18
97
原创 机器学习中的数学知识3——特征值分解
特征值与特征向量定义在线性代数中，对于给定的线性变换A\mathbf AA，它的特征向量vvv经过这个线性变换的作用之后，得到的新的向量仍然与原来的vvv保持在同一条直线上。但其长度或许会改变。即Av=λv\mathbf Av=\lambda vAv=λv其中λ\lambdaλ为标量，即特征向量的长度在A\mathbf AA线性变换下的缩放比例，称其为特征值。例如：其中2为A\mathbf AA的一个特征值，v1v_{1}v1为A\mathbf AA在特征值2下的特征向量。一般的含
2020-11-29 23:27:31
773
原创 机器学习中的数学知识2——雅可比矩阵与Hessian矩阵
4.雅可比矩阵对于如下向量到向量的映射函数：y=f(x)\mathbf y=f(\mathbf x)y=f(x)其中，向量x∈Rn\mathbf x\in\mathbb R^nx∈Rn，向量y∈Rm\mathbf y\in\mathbb R^my∈Rm,这个映射分量形式为：yi=fi(x)y_{i}=f_{i}(\mathbf x)yi=fi(x)即输出向量的每个分量是输入向量的函数，雅可比矩阵为输出向量的每个分量对输入向量的每个分量的偏导数构成的矩阵：[∂y1∂x1∂y1∂x1⋯∂y1∂x
2020-11-29 20:04:09
943
原创 机器学习中的数学知识1——导数、向量、偏导与梯度
数学是机器学习的基础，各种算法需要大量使用微积分，线性代数，概率论，最优化方法等数学知识，特别是最优化理论，可以说机器学习中的大多数算法研究到最后都是一个数学优化问题。接下来将一一介绍机器学习中的数学知识。1.导数导数定义为函数的自变量变化值趋向于0时，函数的变化量与自变量的变化量的比值的极限，即如果该极限存在，则称函数在该点可导。导数的几何意义就是函数在某一点处的切线的斜率。以下列出了各种基本函数和运算的求导公式（这些都是高中的知识点）。复合函数的求导公式可以推广到多层复合函数和多元复合函数
2020-11-29 18:32:37
1185
原创 贝叶斯分类器原理
贝叶斯算法贝叶斯算法主要解决于一个“逆概率”问题。现实世界本身就是不确定的，因此我们需要根据观察到的事物的表面，推测事物的本质。如果已知BBB发生了，去探索某个原因A导致发生的可能性,P(A∣B)P(A|B)P(A∣B),则总是使用贝叶斯看这原因占总原因的比例。完备事件组若A1,A2...AiA_{1},A_{2}...A_{i}A1,A2...Ai的并集为全集UUU，两两相交为空集，则称A1,A2...AiA_{1},A_{2}...A_{i}A1,A2...Ai为一个完备事件组。
2020-11-21 23:12:28
1254
原创 数据库
PostgreSQL数据库常见约束如下：1.主键约束：primary key特点：主键修饰的字段，非空且唯一，一张表中只能有一个主键方式1：CREATE TABLE student(NAME VARCHAR(10) PRIMARY KEY,age INT);方式2：CREATE TABLE student(NAME VARCHAR(10),age INT,PRIMARY KEY(NAME));方式3：后期添加主键：ALTER TABLE student ADD PRIM
2020-11-15 20:14:46
63
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