qq_41629976的博客

原创 gif存储

转载 状态图

https://www.cnblogs.com/jingwhale/p/4230235.html

转载 组件图-静态模型

UML 组件图（Component Diagram）又称为构件图，不用来描述系统的功能，但它描述了使用这些功能的组件。所以从这一点来说，组件图用于可视化在一个系统中的物理组件。这些组件包括库，程序包，文件等。组件图也被描述为一个静态的实施的系统视图，在一个特定的时刻，静态执行代表组织的组成部分。一个单一的组件图不能代表整个系统，但图的集合可用来代表整个。组件图的目的概括如下：可视化系统...

转载 用例图-功能模型

绘制方法绘制用例图时，我们需要明确角色和用例，用例和用例之间的关系。角色和用例是关联关系，也就是角色参与到这个用例中，关联关系是一条直线（有些UML绘图工具也使用带单向箭头的直线），用于连接角色和用例。用例和用例之间主要是包含关系、扩展关系和依赖关系包含关系包含关系是指一个用例在执行过程中，会调用另外一个用例来完成相关任务，也就是在一个用例的内部包含了另外一个用例。例如，用户注册和用户登...

原创 UML初识

背景UML，Unified Modeling Language，即统一建模语言。在软件工程分析的过程中，产生了许许多多的Diagram，同一个Diagram也产生了许多版本的表示方法。UML就是为建模而生的，也是目前应用的很广泛的一种建模的表示方法。而使用这种语言的建模软件目前有很多，后面我将以visio为例使用UML来构建模型。...

原创 Keras内置可视化工具

keras内置可视化工具keras.utils.vis_utils模块提供了生成keras模型拓扑图的函数。该函数将画出模型拓扑结构图，并保存成图片。模型可视化from keras.utils import plot_modelplot_model（model，to_file=‘model.png’）plot_model接收两个可选参数：show_shapes:用于指定是否显示输出数据的...

原创 Keras搭建神经网络-网络结构

Keras神经网络中层对象的一些常见属性：layer.get_weights():用于返回层的权重layer.set_weights(weights):用于从Numpy array中将权重加载到该层中，要求Numpy array的形状与layer.get_weights()返回的形状相同layer.get_config():用于返回当前层配置信息的字典，层也可以由配置信息重构对于只有一个计...

原创 Keras函数式模型建立神经网络

除了Sequential序列建立神经网络，Keras还可以使用函数式模型建立神经网络，下面介绍有关函数式模型的有关知识。

原创 Sequential建立神经网络

①add（self，layer）：用来像模型添加一个层，这个层包括Dense这样的隐藏层，也可以是激活函数。一般来说，想构建一层神经网络需要先加入一个层，然后再加入该层的激活函数。②fit（self,x,y,batch_size=32,epochs=10,verbose=1,callbacks=None,validation_split=0.0,validation_data=None,shuf...

原创 从基本概念了解Keras

这篇文章会总结几个Keras的基本概念，了解了这几个基本概念，Keras建模将会快速上手。话不多说，直奔主题！张量(Tensor)，可以理解为Keras里的一种数据类型，相当于C语言里得数组。你在存储的时候总需要了解数据的长度、大小还有维度各种各样的信息，而这个Tensor就是用来干这个的。举几个例子，如0阶张量，也就是标量，指的是一个数；1阶张量指的是向量，几个数字有序排列就是一个一阶张量；...

原创 什么是Keras

今天开始读一本关于Keras的深度学习书籍，计划每天记录一些所得。直奔主题，既然要学Keras，那什么是Keras，Keras和其他机器学习、深度学习库有什么区别？让我们看看Keras中文文档中的定义：Keras是一个模型库，是为开发深度学习模型提供了高层次的构建模块。它不处理诸如张量乘积和卷积等低级操作。相反，它依赖于一个专门的、优化的张量操作库来完成这个操作，它可以作为 Keras 的「...

原创 周志华西瓜书-第八天阅读-聚类

什么是聚类聚类试图将数据集中的样本划分为若干个通常是不相交的子集，每个子集称为一个"簇" (cluster). 通过这样的划分，每个簇可能对应于一些潜在的概念(类别) ，如"浅色瓜" “深色瓜”，“有籽瓜” “无籽瓜”，甚至"本地瓜""外地瓜"等;需说明的是，这些概念对聚类算法而言事先是未知的，聚类过程仅能自动形成簇结构，簇所对应的概念语义需由使用者来把握和命名.可见，聚类是一种无监督学习。...

原创 周志华西瓜书-第七天阅读-初识集成学习

基本概念集成学习(ensemble learning)通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统(multi-classifier system) 、基于委员会的学习(committee-based learning) 等.图8.1 显示出集成学习的一般结构:先产生一组"个体学习器" (individual learner) ，再用某种策略将它们结合起来.个体学习器通常由一...

原创 周志华西瓜书-第六天阅读-从核函数谈SVM

SVM(Support Vector Machine)，译为支持向量机。其基本思路是从训练集

原创 周志华西瓜书-第五天阅读-神经网络初涉

今天记录三个小细节–梯度下降、学习率以及BP神经网络防止过拟合的方法梯度下降学习率BP神经网络过拟合的处理

原创 周志华西瓜书-第四天阅读-类别不平衡问题

类别不平衡(class-imbalance)就是指分类任务中不同类别的训练样例数目差别很大的情况。不失一般性，本节假定正类样例较少，反类样例较多.在现实的分类学习任务中，我们经常会遇到类别不平衡，例如在通过拆分法解决多分类问题时，即使原始问题中不同类别的训练样例数目相当， 在使用OvR 、MvM策略后产生的二分类任务仍可能出现类别不平衡现象，因此有必要了解类别不平衡性处理的基本方法.解决思路...

原创 周志华西瓜书-第三天阅读-多分类学习

谈一谈多分类学习很多问题可以可以分为两个类别，称为二分类问题。但有时我们需要分的类不止两个，这时候我们就需要涉及到多分类问题了。今天我就谈一谈多分类学习的基本策略。二分类直接推广有些多分类问题可以直接由二分类推广，比如说在线性回归的基础上加上对数几率函数构造二分类模型，我们只需要将分类函数进一步替换即可在线性回归的基础上构造多分类模型。拆分策略不失一般性，考虑N 个类别，多分类学习的基本...

原创 周志华西瓜书-第二天阅读-模型评估

谈一谈混淆矩阵、ROC、AUC的理解

原创 周志华西瓜书-第一天阅读-评估方法

2.2评估方法在训练好模型后我们需要进行验证，这时候需要我们在分割数据时进行一些处理，在这记录一下书中的几个方法。留出法：将数据集D 划分为两个互斥的集合，其中一个集合作为训练集S，另一个作为测试集T。在S 上训练出模型后，用T 来评估其测试误差，作为对泛化误差的估计。但在划分数据集时需要注意三个点：1.分布：训练/测试集的划分要尽可能保持数据分布的一致性，避免因数据划分过程引入额外的偏...

原创 python模型部署初涉--PMML篇

一点点废话最近科研立项做项目需要做机器学习的模型，模型做好了但需要在Java上部署，经过了解后，才发现原来python上训练的模型可以保存下来，而不需要每次预测都要先训练。经过一番折腾后，大致了解了模型部署的流程，再次记录，也供君参考。为什么要部署只有当训练和预测在不同平台时，才会设计部署。同一个平台比如python下既训练又预测，那么只需要保存下来，在需要使用时在python工程中调用即可...

原创 从python了解csv

什么是csv？csv是一种文件格式，全称为逗号分割值文件，可以理解为一种表格数据。通常从电子表格和数据库导出数据以及在其他程序中导入数据的文件格式。怎么在python中使用csv#引入pandas库import pandas as pd#data换为你的数组，columns中设置列名pd_data = pd.DataFrame(data,columns=[‘total_num’,‘le...

原创 网络爬虫

URL全称是统一资源定位符(Uniform Resource Locator),一般语法格式为：(带方括号[]的为可选项)：protocol

原创 python基于requests的网络通信

requests是python实现的第三方HTTP库，用于python网络通信。因为是第三方库，所以cmd-pip install requests-import requests即可使用。基本请求方式：import requestsrequests.get('http://www.baidu.com')##用于获取数据requests.post('http://www.baidu.com...

原创 UnicodeDecodeError: 'gbk' codec can't decode byte 0x82 in position 66: illegal multibyte sequence

代码如下：file_in=“C:\Users\Administrator\Desktop\parking datum.txt”data=’’fbegin=0fend=0d=’’with open(file_in,“r”) as file:for i in file.readlines():for e in i:if e==’"’:continue;if e==’}’:fbe...