![](https://img-blog.csdnimg.cn/20190918140158853.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习_神经网络_深度学习
文章平均质量分 53
算法思想 及 应用
直方大
君子慎独,此谓诚于中,形于外,故君子必慎其独也
展开
-
pytorch常用代码片段
pytorch常用代码片段原创 2022-10-21 11:22:21 · 1006 阅读 · 1 评论 -
loss与metric的区别 以及 optimizer的介绍
loss与metric的区别以及 optimizer的介绍原创 2022-10-02 12:50:50 · 2426 阅读 · 0 评论 -
loss.backward()处遇到“RuntimeError: Found dtype Double but expected Float”
loss.backward遇到found dtype double bur except float原创 2022-09-29 16:31:45 · 7334 阅读 · 1 评论 -
xgb的简单使用(特征选择,重要性图像绘制,分类,预测)
在kaggle等竞赛中时常可以看到xgb的身影。2016年,陈天奇在论文《 XGBoost:A Scalable Tree Boosting System》中正式提出该算法。XGBoost的基本思想和GBDT相同,但是做了一些优化,比如二阶导数使损失函数更精准;正则项避免树过拟合;Block存储可以并行计算等。XGBoost具有高效、灵活和轻便的特点,在数据挖掘、推荐系统等领域得到广泛的应用。在此简单总结一下常用代码。假设已经下载好了xgb并准备好了train_x, train_y 与 test_x, t原创 2022-04-26 09:23:13 · 6509 阅读 · 2 评论 -
pytorch,keras与paddle的 gpu测试程序
tensorflow的程序import tensorflow as tf#预期true 检查是否至少有一个gpu可用tf.test.is_gpu_avaiable() # 给出第一个 gpu 的名称tf.test.gpu_device_name() 百度paddle的测试程序import paddleprint(paddle.device.get_device())pytorch 的测试程序import torchprint(torch.cuda.is_available())原创 2022-04-19 11:03:03 · 1559 阅读 · 0 评论 -
python使用plot画图
参考地址:matplot官方文档调用方法from matplotlib import pyplot as plt # 引入库plot([x], y, [fmt], data=None, **kwargs)plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)简单使用from matplotlib import pyplot as plt y = [1,2,3,2,1]plt.plot(y) # 绘制y坐标,x坐标使用列表0..N-1原创 2022-03-01 12:18:04 · 5955 阅读 · 3 评论 -
pandas常用操作小结
pandas统计表类别个数df.value_counts()原型value_counts(values,sort=True, ascending=False, normalize=False,bins=None,dropna=True)sort=True: 是否要进行排序;默认进行排序ascending=False: 默认降序排列;normalize=False: 是否要对计算结果进行标准化并显示标准化后的结果,默认是False。bins=None: 可以自定义分组区间,默认是否;dropn原创 2022-02-19 16:03:22 · 1183 阅读 · 0 评论 -
numpy与sklearn常用操作
一些个人平时在进行数据处理时遇到的一些操作,经常会忘记,放在这里以便后面直接访问皮尔森系数:比较特征与目标的相关性。(用于衡量两个变量X和Y之间的线性相关相关关系,值域在-1与1之间)相关代码import numpy as nppccs = np.corrcoef(x, y)...............原创 2022-01-20 10:21:56 · 1766 阅读 · 0 评论 -
时序类数据处理之datetime与time的简单使用
在时序类数据中经常见到 ”2020/11/26 0:00:00“ 等数据, 如果想把他作为特征变量的话,直接把字符串放进去肯定是不大现实的, 可以想到的方法之一就是取个基本值, 然后做差, 将int型的差值作为特征变量来输入模型。既然我们用的是python,那就可以省去一大块造轮子的时间。在此记录一下datetime的使用。1-使用 time 模块 计算两个时间之间的秒数:import datetime start_time = "2020/11/26 0:00:00"end_time = "2原创 2022-01-09 20:03:35 · 541 阅读 · 0 评论 -
K折交叉验证
附代码用鸢尾花数据来展示k折验证效果# 导入鸢尾花数据集from sklearn.datasets import load_irisfrom sklearn.model_selection import cross_val_score# 导入用于分类的svc分类器from sklearn.svm import SVCiris = load_iris()x, y = iris.data, iris.targetsvc = SVC(kernel='linear')# cv 为迭代次数,原创 2021-10-23 16:03:41 · 9169 阅读 · 0 评论 -
python中 .reshape 的用法:reshape(1,-1)
numpy中reshape函数的几种常见相关用法reshape(1,-1)转化成1行:reshape(2,-1)转换成两行:reshape(-1,1)转换成1列:reshape(-1,2)转化成两列reshape(2,8)转化成两行八列该篇博客的起源为在sklearn的fit(X,Y)时一个报错 ValueError: Expected 2D array, got 1D array instead: 大概意思是期望2维数组,输入的是一维数组;这是由于在sklearn中,所有的数据都应该是二维矩原创 2021-09-03 21:21:48 · 25293 阅读 · 1 评论 -
win10安装tensorflow
Win10下安装tensorflow详细过程手把手教你如何基于Anaconda安装Tensorflow转载 2020-03-20 15:57:03 · 104 阅读 · 0 评论 -
人工智能的知识图谱
原创 2020-03-15 21:49:11 · 226 阅读 · 0 评论