2018年04月___山顶洞人___CSDN博客

__山顶洞人__

码龄8年

212,802

总访问量
83

原创
159

粉丝
112

关注

IP 属地：内蒙古

加入CSDN时间： 2017-06-16

查看详细资料

个人成就

获得205次点赞
内容获得59次评论
获得1,191次收藏
代码片获得2,795次分享
博客总排名620,459名

TA的专栏

TA关注的专栏 1

TA关注的收藏夹 0

TA关注的社区 3

TA参与的活动 0

兴趣领域设置

人工智能

深度学习神经网络tensorflowpytorch图像处理

创作活动更多

王者杯·14天创作挑战营·第2期

这是一个以写作博客为目的的创作活动，旨在鼓励码龄大于4年的博主们挖掘自己的创作潜能，展现自己的写作才华。如果你是一位热爱写作的、想要展现自己创作才华的小伙伴，那么，快来参加吧！我们一起发掘写作的魅力，书写出属于我们的故事。注： 1、参赛者可以进入活动群进行交流、分享创作心得，互相鼓励与支持（开卷），答疑及活动群请见https://bbs.csdn.net/topics/619735097 2、文章质量分查询：https://www.csdn.net/qc 我们诚挚邀请你们参加为期14天的创作挑战赛！

66人参与去参加

更多

tensorflow语义分割计算mIoU时忽略某一类别

在做语义分割的时候，有不少数据集中的部分类别是我们不想让其参与mIoU计算的。tensorflow忽略某一类别计算mIoU的方法网上比较少。经过阅读tensorflow文档，总结出一下求解方法：数据准备：1、先理解一维张量：假设有张量a，ba = np.array([0, 1, 2, 3]) # 真实b = np.array([0, 1, 0, 3]) # 预测手动计算一下mIoU类别0：= 交集 / 并集 = 1 / 2 = 0.5类别1：= 1 / 1 =

发布博客 2022.04.30 ·

python列表删除所有满足某条件的值

# 删除列表中所有值等于1或者2的元素a = [1, 1, 1, 2, 2, 3, 4, 5, 1, 2, 3, 4, 2]b = list(filter(lambda x: x!=1 and x!=2, a))print(b)# b: [3, 4, 5, 3, 4]

发布博客 2021.11.10 ·

lightGBM算法API参数说明

1 lightGBM的安装windows下：pip3 install lightgbmmac下：安装链接2 lightGBM参数介绍2.1 Control ParametersControl Parameters 含义用法 max_depth 树的最大深度当模型过拟合时,可以考虑首先降低 max_depth min_data_in_leaf 叶子可能具有的最小记录数默认20，过拟合时用 feature_fraction 例如

发布博客 2021.09.13 ·

XGBoost API 参数

1 xgboost的安装：官网链接：https://xgboost.readthedocs.io/en/latest/pip3 install xgboost2 xgboost参数介绍xgboost虽然被称为kaggle比赛神奇，但是，我们要想训练出不错的模型，必须要给参数传递合适的值。xgboost中封装了很多参数，主要由三种类型构成：通用参数（general parameters），Booster 参数（booster parameters）和学习目标参数（task parame

发布博客 2021.09.12 ·

tensorflow2.1 构建Vgg16、GoogLeNet-v1、resNet18

一、Vgg16from tensorflow.keras.layers import Conv2D, Dense, BatchNormalization, ReLU, MaxPool2D, Flatten, Dropout, InputLayerfrom tensorflow.keras.models import Sequentialdef make_block(conv_num, filters): """ :param conv_num: 卷积层数量 :para

发布博客 2021.09.01 ·

C语言选择排序

#include<stdio.h>#include<stdlib.h>int main(){ int i, j = 0; int a[] = { 2,3,44,5,1,2,70,77,90,23,45,6,7,88,10,9 }; int n = sizeof(a) / sizeof(a[1]); int temp=0; printf("排序前数组为：
"); for (i = 0; i <= n - 1; i++) { printf("%4d.

发布博客 2021.08.28 ·

C语言队列的两种实现

### 本文比较注重动手能力，关于各种数据结构的理论知识请查阅书籍或相关网页，代码部分都有注释一、基于循序表的循环队列#include<stdlib.h>#include<stdio.h>#define MaxSize 20typedef struct{ int data[MaxSize]; int front,rear;}squeue, *squlink;//清空队列void Clearsqueue(squlink q){ q->front=

发布博客 2021.08.20 ·

C语言中栈的两种实现方法

一、顺序栈#include<stdio.h>#include<stdlib.h>#define maxsize 64//定义栈typedef struct{ int data[maxsize]; int top;}sqstack,*sqslink;//设置栈空void Clearstack(sqslink s){ s->top=-1;}//判断栈空int Emptystack(sqslink s){ if (s->top&

发布博客 2021.08.19 ·

c语言链表

#include<stdio.h>#include<stdlib.h>struct Student{ int s_number; float s_score; struct Student *next;};struct Student * create(){ struct Student *head=NULL, *p1, *p2; while(1) { p1 = (struct Student *) malloc(sizeof(struct .

发布博客 2021.07.28 ·

C语言冒泡排序

#include<stdio.h>#include <stdlib.h>int main(){ int array[10]={0}; for(int i=0;i<=9;i++){ int n = rand(); array[i]=n; } for(int i=0;i<=9;i++){ printf("%12d",array[i]); } for(int i=9;i>0;i--){ for(int j=0;j<=i-1;j++.

发布博客 2021.07.11 ·

plt 绘制矩形框

import matplotlib.pyplot as pltimport matplotlib.patches as mpathesimport numpy as npimport mathx = 6.53023y = 3.970426l = math.sqrt(1+2.5*2.5)angle_1 = 0.5194235 angle_2 = math.atan(1/2.5) point_start = (x-l*math.cos(angle_1+angle_2), y-l*math.

发布博客 2021.04.22 ·

机器学习中的Bagging

一、前言（1）集成学习集成学习通过建立几个模型来解决单一预测问题。它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成组合预测，因此优于任何一个单分类的做出预测。（2）集成学习中boosting和Bagging在集成学习中boosting是用来解决欠拟合问题，Bagging是用来解决过拟合问题。只要单分类器的表现不太差，集成学习的结果总是要好于单分类器的。二、Bagging和随机森林（1）Bagging集成原理目标：把下面的圈和方块进行分.

发布博客 2021.04.02 ·

决策树API、泰坦尼克号生存预测案例

一、决策树API在sklearn中使用sklearn.tree.DecisionTreeClassifier(criterion=’gini’, max_depth=None,random_state=None)构建决策树其中：criterion 特征选择标准 "gini"或者"entropy"，前者代表基尼系数，后者代表信息增益。一默认"gini"，即CART算法。 min_samples_split 内部节点再划分所需最小样本数这个值限制了子树继续划分的条件，如果某节点

发布博客 2021.03.31 ·

机器学习中的特征提取

特征提取是将任意数据（如文本或图像）转换为可用于机器学习的数字特征，特征提取是为了计算机更好的去理解数据。特征提取大体上可以分为三大类：字典特征提取(特征离散化) 文本特征提取图像特征提取（深度学习）本篇文章中我们只讨论前两种特征提取方法。一、字典特征提取作用：对字典数据进行特征值化。APIsklearn.feature_extraction.DictVectorizer(sparse=True,…)DictVectorizer.fit_transform(X) X:字

发布博客 2021.03.30 ·

ID3、C4.5、cart决策树的比较

（1）公式：（2）ID3 算法缺点：ID3算法在选择根节点和各内部节点中的分支属性时，采用信息增益作为评价标准。信息增益的缺点是倾向于选择取值较多的属性，在有些情况下这类属性可能不会提供太多有价值的信息. ID3算法只能对描述属性为离散型属性的数据集构造决策树。（3）C4.5算法做出的改进(为什么使用C4.5要好) 用信息增益率来选择属性可以处理连续数值型属性采用了一种后剪枝方法对于缺失值的处理C4.5算法的优缺点 ...

发布博客 2021.03.30 ·

基尼值和基尼指数

CART 决策树 [Breiman et al., 1984] 使用"基尼指数" (Gini index)来选择划分属性。CART 是Classification and Regression Tree的简称，这是一种著名的决策树学习算法,分类和回归任务都可用。一、基尼值和基尼指数基尼值Gini（D）：从数据集D中随机抽取两个样本，其类别标记不一致的概率。故，Gini（D）值越小，数据集D的纯度越高。数据集 D 的纯度可用基尼值来度量： ...

发布博客 2021.03.30 ·

熵、信息增益、信息增益率

一、熵（1）原理初中物理我们对“熵”这个东西懵懵懂懂，印象中仿佛对物体内部的热效应有关，时隔这么多年在机器学习、深度学习领域的学习中又看见了它的踪影，不免有点让人有点熟悉又陌生的感觉。“熵”这个东西看不见又摸不着，到底什么是“熵”？“熵”是用来干什么的？“熵”是一个系统里面的混乱程度的度量、标尺。系统混乱程度越低，系统的熵值越小，反之越大。我们先从物理学的角度出发，假设相同条件下有一桶冰水和一桶热水，哪一个的熵值会大呢？冰水中的分子热运动速度较慢，内部的分子排布比较有规律。热水内部温

发布博客 2021.03.29 ·

10930 阅读 ·

机器学习分类任务中怎么解决类别不平衡问题

一、准备工作（1）Imblearn安装当遇到数据类别不平衡的时候，我们该如何处理。在Python中，有Imblearn包，它就是为处理数据比例失衡而生的。安装Imblearn，默认是在python3.6版本及以上。在安装的时候注意要使用管理员的权限，否则可能会报错，如果是windows系统，要是用管理员方式打开cmd窗口，如果是linux环境，需要加上sudopip install imbalanced-learn（2）创造类别不平衡数据集from sklearn.dataset

发布博客 2021.03.29 ·

分类模型的评估方法

（1）混淆矩阵在分类任务中，预测结果(Predicted Condition)与正确标记(True Condition)之间存在四种不同的组合，构成混淆矩阵，既适用于二分类任务，又适用于多分类任务。（2）精确率(Precision)与召回率(Recall)准确率 =（TP+TN）/ (TP+FP+FN+TN)精确率：预测结果为正例样本中真实为正例的比例（了解） = TP / (TP + FP)召回率：真实为正例的样本中预测结果为正例的比例（查得全，对正样本的区分能力） = TP.

发布博客 2021.03.28 ·

逻辑回归、肿瘤预测案例

一、逻辑回归（1）定义与使用场景逻辑回归（Logistic Regression）是机器学习中的一种分类模型，逻辑回归是一种分类算法，虽然名字中带有回归。由于算法的简单和高效，在实际中应用非常广泛。应用场景举例：是否为垃圾邮件是否患病金融诈骗虚假账号看到上面的例子，我们可以发现其中的特点，那就是都属于两个类别之间的判断。逻辑回归就是解决二分类问题的一种方法。（2）逻辑回归的输入与输出逻辑回归的输入其实就先线性回归的输出，可以简单的理解h(w)就是逻辑回归的输入。..

发布博客 2021.03.28 ·