qq_40212975的博客

特征归一化

1、什么是集成学习算法？2、集成学习主要有哪几种框架，并简述他们的工作过程？3、Boosting算法有哪两类，他们之间的区别是什么？4、什么是偏差和方差？5、如何从减少方差和偏差的角度解释Boosting和Bagging的康？6、随机森林的工作原理是什么？7、随机森林的随机性主要体现在哪些方面？8、随机森林算法有哪些优缺点？9、为什么随机森林不能用全部训练样本去训练m颗随机树？10、简述随机森林和GBDT的区别...

1、机器学习中的逻辑回归与线性回归有哪些异同点？2、回归问题常用的性能度量指标有哪些？3、分类问题常用的性能度量指标有哪些？4、逻辑回归的损失函数是什么？如何推导？5、处理多标签分类问题，逻辑回归一般怎么做？6、全概率公式&贝叶斯公式分别是什么？7、朴素贝叶斯（Naive Bayes），“Naive”在何处？8、朴素贝叶斯有没有超参数可调？9、简述朴素贝叶斯的工作流程？10、朴素贝叶斯对异常值是否敏感？...

1、为什么要经常对数据特征做归一化？2、为什么需要特征组合？如何处理高维组合特征？3、欧式距离和曼哈顿距离的区别？4、 哪些场景使用余弦相似度？哪些使用欧式距离？5、什么是独热编码？相较于直接使用数字作为表示的优点是什么？6、简述过拟合和欠拟合的具体表现？7、缓解过拟合和欠拟合的方法有哪些？8、L1和L2正则先验分别服从什么分别？9、为什么树形结构不需要进行特征归一化？10、数据不平衡是什么？如何解决数据不平衡问题？...

1、RNN中发生梯度消失的原因是什么？2、RNN中使用Relu可以解决梯度消失的问题吗？3、LSTM为什么可以解决梯度消失/爆炸的问题？4、GRU和LSTM的区别？5、LSTM算法有哪些不足之处？6、写出Attention的公式Attention机制，里面的q,k,v分别代表什么？7、Transformer中使用多头注意力的好处是什么？8、Attention中self-attention的时间复杂度9、Transformer中encoder和decoder的异同点？10、 Bert和GPT

python setup.py build_ext --inplace这行命令可能会帮你解决很多问题，我就是这样解决的

第二次遇到这个问题了，之前没做记录，又不记得了，所以这次一定要做个记录：error: Microsoft Visual C++ 14.0 is required. Get it with “Microsoft Visual C++ Build Tools”: https://visualstudio.microsoft.com/downloads/从链接：https://pan.baidu.com/s/169Jdn-9Zh93bS37WjiGfsg提取码：g6t3 下载vs包，进行安装，这时若出现安.

一、上采样和下采样的对比上采样：放大图片下采样：缩小图片二、过采样和欠采样的对比针对于正负样本不均衡，例如当正负样本比例达到1：99，分类器将所有的样本都判为负样本能达到99%的正确率，显然结果不是我们想要的。又例如，有一组数据，其中标签为1的样本数有2000，标签为0的数为400。过采样：从少数类样本中（这里标签为0的样本就是少数样本）重复抽取样本，对少数类样本进行多次复制，扩大数据规模欠采样：从多数类样本中（这里标签为1的样本就是多数样本）丢弃部分样本，可能会损失部分有用的东西，造成模

torch.save(net1, 'net.pkl') #保存entire net整个网络torch.save(net1.state_dict(), 'net_params.pkl') #保存参数```

删除两个文件中没有一一对应的名称，针对于.jpg文件和xml文件没有对齐#!/usr/bin/python3# -*- coding:UTF-8 -*-import osimport shutilfile_name_1 = "JPEGImages" #图片文件存放地址file_name_2 = "Annotations" #标记文件存放地址#file_name_1#count = 10415#图片起始编号image = []annotation =[]for file in os.l

# -*- coding: utf-8 -*-"""根据搜索词下载百度图片"""import reimport sysimport urllibimport requestsdef get_onepage_urls(onepageurl): """获取单个翻页的所有图片的urls+当前翻页的下一翻页的url""" if not onepageurl: print('已到最后一页, 结束') return [], '' try:

cuda 10.0及以下版本卸载cd /usr/local/cuda-xx.x/bin/sudo ./uninstall_cuda_xx.x.plsudo rm -rf /usr/local/cuda-xx.xcuda 10.1及以上卸载cd /usr/local/cuda-xx.x/bin/sudo ./cuda-uninstallersudo rm -rf /usr/local/cuda-xx.x其中xx.x代表你自己的cuda版本号...

# -*- coding:UTF-8 -*-import cv2import numpy as npimport random import os# 定义保存图片函数# image:要保存的图片名字# addr；图片地址与相片名字的前部分# num: 相片，名字的后缀。int 类型def save_image(image,addr,num): address = addr + str(num)+ '.jpg' cv2.imwrite(address,image) # 读取

import osfile_name = "JPEGImages/" #文件存放地址count = 0for file in os.listdir(file_name): os.rename(os.path.join(file_name,file),os.path.join(file_name,str(count)+".jpg")) count+=1

一、Adaboost的特性Adaboost对每一个样本分配权重，对每一轮的弱分类器也分配一个权重。Adaboost通过分类误差率来更新下一轮的样本权重，即提高被误分类的样本权重，并降低被正确分类的样本权重，使得没有被正确分类的样本在后一轮训练时获得更多的关注。对基分类器分配权重，加大误差率较小的弱分类器权重，使其在表决中起较大的作用。二、Adaboost算法输入：训练数据集T = {(x1, y1), (x2, y2), (x3,y3),…(xn，yn)},其中xi ∈ X ⊆ Rn,

费马测试被称为概率性素性测试，它判断的是“某个数是素数的概率大不大”。如果P为素数，那么所有比P小的数Q都满足公式 QP mod P = Q ，即例素数5的性质，比素数5小的数有4、3、2、1，那么:45 (45=1024)mod 5 = 435 (35=243)mod 5 = 325 (25=32)mod 5 = 215 (15=1)mod 5 = 1满足公式 QP mod P = Q 。实际使用中不需要对所有的Q进行计算，只需要随机选取几组即可。但反过来，如果所有Q都满足条件，

watch [options] command例：每隔5秒监视一次watch -n 5 nvidia-smi

一、安装sftp:二、配置sftp:按住ctrl+ship+p键，得到以下画面，选择SFTP:Config当右下角出现：意思时需要一个文件夹，点击open folder后，选择或者创建一个文件夹，再回来就会看到一个类似于这样的：上面是你需要修改或添加的地方。再ctrl+s保存，完毕。连接成功，是不是超级简单。...

y = max f(x) ##表示y是函数f(x)的最大值y = argmax(f(x)) ##表示y为函数f(x)取得最大值时，参数x的值例：f(x) = x3，x的取值范围是{0,1,2,3}y = max(f(x)) = 27y = argmax(f(x)) = 3

论文链接Stepwise Extractive Summarization and Planning with Structured TransformersAbstract1. Introduction2.Related work3. Problem: Stepwise Content Extraction4 Stepwise HiBERTAbstract本文提出了一个使用结构化的 transformer—HiBERT和Extended transformer来做摘要抽取的分布式方法。通过将之前生.