- 博客(24)
- 收藏
- 关注
RSS订阅原创 pytorch框架的基本使用
Pytorch是什么?Facebook推出的深度学习框架 ,:它是一个基于Python的可续计算包，提供两个高级功能:1.具有强大的GPU加速的张量计算（如NumPy）2.包含自动求导系统的深度神经网络PyTorch与Tensorflow的区别pytorch的特点：1.简洁性(编程同Python几乎一致)2.动态计算3.visdom、TensorBoardX4.部署不方便Tensorflow的特点：1.接口复杂2.静态图3.TensorBoard4.部署方便(TF serving
2020-11-22 21:33:39
538
原创 给定一个链表,判断链表中是否有环！
题目描述：给定一个链表，判断链表中是否有环。如果链表中有某个节点，可以通过连续跟踪 next 指针再次到达，则链表中存在环。 为了表示给定链表中的环，我们使用整数 pos 来表示链表尾连接到链表中的位置（索引从 0 开始）。 如果 pos 是 -1，则在该链表中没有环。注意：pos 不作为参数进行传递，仅仅是为了标识链表的实际情况。如果链表中存在环，则返回 true 。 否则，返回 false 。来源：力扣（LeetCode）链接：https://leetcode-cn.com/problems/li
2020-11-08 21:42:54
285
原创 svm模型初步理解
什么是SVM模型支持向量机，因其英文名为support vector machine，故一般简称SVM，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。KKT(Karush-Kuhn-Tucker)条件拉格朗日乘法（Lagrange multiplier）是一种在最优化的问题中寻找多元函数在其变量受到一个或多个条件的相等约束时的求局部极值的方法。这种方法可以将一个有 n 个变量和 k 个约束条件的最优化问
2020-10-12 19:35:06
5169
原创 web的会话
什么是会话和会话状态会话是指一个客户端与web服务器之间连续发生的一系列请求和响应的过程。就像是从拨通电话到挂断电话之间聊天的过程就是一个会话。web应用的会话状态是指服务器与浏览器在会话过程中产生的状态信息，借助会话状态，web服务器能够把属于同一会话中的一系列请求和响应过程关联起来，使得他们之间可以相互依赖和传递信息。例如在一个购物网站购买东西，结算时必须知道登录请求表单的结果，以便知道是哪个账户在操作。还必须知道已选商品的信息。其中的用户登录的账户信息和已选商品信息就是会话的状态信息。cooki
2020-09-28 18:59:55
773
原创 django模型深入理解
Django框架之路由详解为了给一个应用设计URL，您需要创建一个Python模块，通常被称为** URLconf **（URL配置）。这个模块是纯粹的Python代码，包含URL模式（简单的正则表达式）到Python函数（你的视图）的简单映射。Django如何处理一个请求：当一个用户请求Django站点的一个页面，下面是Django系统决定执行以下Python代码使用的算法：Django，确定使用根URLconf模块。通常，这是ROOT_URLCONF设置的值，但如果放置HttpRequest
2020-09-21 11:16:16
1062
原创 django框架初步认识
Django框架是什么Django是一个高级的Python Web框架，它鼓励快速开发和清洁，务实的设计。由经验丰富的开发人员构建，它负责Web开发的许多麻烦，因此您可以专注于编写应用程序，而无需重新创建轮子。它是免费的和开源的。被官方称之为完美主义者的Web框架。Django框架的使用创建项目：django-admin startproject web启动服务：python3 manage.py runserver访问服务：在浏览器的地址栏 访问 url http://127.0.0.1
2020-09-13 20:50:55
177
原创 XGBT理解
XGBoost是什么？XGBoost是eXtreme Gradient Boosting的简称，是一种梯度提升树模型，就是以树为基本学习器的模型。与GBDT最大的区别就是树的生成方式不同，加快了树的生成过程，以生成最优树。XGBoost算法原理XGBoost与GBDT一样，也是加法模型，采用前向分步算法生成每一棵树，不同点是GBDT采用信息熵或者基尼系数的方式生成一颗决策树，XGBoost采用全新的思路生成一颗最优树。树的参数化定义：回归树的最终结果是每个被放入模型的任意样本最终一个都会落到一个
2020-09-07 10:09:17
3948
原创 GBDT模型
什么是gbdt？利用损失函数的负梯度在当前模型的值作为回归问题提升树算法中的残差的近似值，拟合一个回归树。残差与负梯度的关系当损失函数为平方差损失函数时，残差和负梯度相等，当损失函数为一般损失函数时，负梯度不等于残差。为什么要考虑一般损失函数？因为平方差损失函数优点明显就是容易计算，缺点也很明显，它容易受到异常值的影响，对异常值敏感。容易造成过拟合。梯度提升算法（3）得到回归树算法第一步初始化，估计使损失函数极小化的常数值，它是只有一个根节点的树。第二步：计算损失函数的负梯度在当前模
2020-08-30 21:10:18
520
原创 BDT提升树模型
什么是提升树？提升树是以分类树或者回归树为基分类器的提升算法，提升树被认为是统计学习中性能最好的方法之一。提升树模型是采用加法模型和前向分步算法，以决策树为基分类器，最后得到的模型。加法模型形如下图的函数表达形式其中，在给定训练数据及损失函数 L(y,f(x))的条件下，学习加法模型f(x)成为损失函数极小化问题：这个问题按照常规求导很难计算，采用前向分步算法可以较为容易的解决此问题。前向分步算法的思想是：由于学习的是加法模型，如果可以从前往后，每一步只学习一个基函数和它的系数，逐步逼近
2020-08-23 11:16:11
846
原创 boosting模型初步理解
什么是boosting模型？一组“弱学习者”的集合能否生成一个“强学习者”？是一种集成学习模型，通过多个弱学习器训练，最终得到一个强学习器。boosting模型与bagging模型的区别1.相比于bagging的并行式、Boosting是序列式的2.每一轮新的学习器，都在弥补上一轮的不足弥补的方式是：为样本分配新的权重如果上一轮分配正确了，就降低其权重；如果上一轮分配错误了，就提升其权重；3.最终的强分类器，是所有弱分类器的加权求和，准确率更高的弱学习器，有更大的权重Adaboost算法思
2020-08-16 21:14:48
849
原创 集成学习与随机森林理解
什么是集成学习？集成学习本身不是一个单独的机器学习算法，而是通过构建并结合多个机器学习器来完成学习任务。也就是我们常说的“博采众长”。voting模型对多个模型训练某一个数据集的结果进行投票，少数服从多数的原则，得到最优结果。voting模型的参数voting参数有两种，默认是hard，直接投票判断，而soft是一定的权重比例投票，更准确一些。缺点：模型数量十分有限bagging模型使用更多个子模型对数据集进行取样学习，使用多个弱学习器实现强学习器的效果。取样分为放回取样和不放回取样，放回取
2020-08-10 10:51:13
641
原创 决策树模型理解
决策树概念根据数据特征划分的一棵树，每个分枝是由某个不同的特征划分得到的。特点：直接解决了多分类问题（不需要ovo或ovR)，也能解决回归问题直观而且具有可解释性。熵的引入熵的概念最早起源于物理学，用于度量一个热力学系统的无序程度。在信息论里面，熵是对不确定性的测量。1948年，香农Claude E. Shannon引入信息（熵），将其定义为离散随机事件的出现概率。一个系统越是有序，信息熵就越低；反之，一个系统越是混乱，信息熵就越高。所以说，信息熵可以被认为是系统有序化程度的一个度量。信息熵
2020-08-03 10:46:04
740
原创 逻辑回归模型
逻辑回归概述逻辑回归(Logistic Regression)是一种用于解决二分类(0 or 1)问题的机器学习方法。它可用于估计某种事物的可能性，比如某用户购买某商品的可能性(买 or 不买)，某广告被用户点击的可能性，某病人患有某种疾病的可能性等。逻辑回归虽然名字里面有回归，但是主要用来解决分类问题。二分类问题就是给定的输入????，判断它的标签是 A 类还是 B 类。用连续的数值去预测离散的标签值如何改进线性回归模型来预测标签：一个最直观的办法就是设定一个阈值，比如 0，如果我们预测的数值
2020-07-27 16:14:24
1418
原创 线性回归模型
什么是回归回归算法是相对分类算法而言的，与我们想要预测的目标变量 y 的值类型有关。如果目标变量 y 是分类型变量，如预测用户的性别（男、女），预测花的颜色（红、白、黄……），那我们就需要用分类算法去拟合训练数据并做出预测；如果 y 是连续型变量，如预测用户的收入（4 千，2 万，10 万……），预测员工的通勤距离（500m，1km，2 万里……），我们则需要用回归模型。有时分类问题也可以转化为回归问题，我们可以用回归模型先预测出概率，然后再给定一个阈值，例如 50%，概率值在 50%以下的划分为一类，
2020-07-19 21:26:41
744
原创 数据库高级
子查询(嵌套sql)SELECT语句是SQL的查询。迄今为⽌我们所看到的所有SELECT语句句都是简单查询，即从单个数据库表中检索数据的单条语句句。SQL还允许创建⼦查询（subquery），即嵌套在其他查询中的查询。子查询的使用：1.利⽤子查询进⾏过滤2.作为计算字段使⽤用子查询注意:子查询中的WHERE⼦句与前⾯使⽤的WHERE⼦句稍有不同，因为它使⽤了完全限定列名这种类型的子查询称为相关子查询。任何时候只要列名可能有多义性，就必须使⽤用这种语法（表名和列名由一个句点分隔）。关系表SQ
2020-07-12 17:56:19
137
原创 Scrapy框架深入
Selector选择器对用爬取信息的解析，我们在之前已经知道了正则re、Xpath、Beautiful Soup和PyQuery。而Scrapy还给我们提供自己的数据解析方法，即Selector（选择器）。Selector（选择器）是基于lxml来构建的，支持XPath、CSS选择器以及正则表达式，功能全面，解析速度和准确度非常高。Selector（选择器）模块的使用有两种方式。直接使用：Selector（选择器）是一个可以独立使用模块。 直接导入模块，就可以实例化使用。比如：from scrap
2020-07-05 18:12:27
118
原创 Scrapy框架入门
Scrapy框架介绍Scrapy 是: 由 Python 语言开发的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于 数据挖掘 、监测 和 自动化测试 。Scrapy吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如BaseSpider、sitemap爬虫等，最新版本又提供了web2.0爬虫的支持。Scrapy框架网址：https://scrapy.org/Scrapy框架的运行原理
2020-06-29 18:38:12
169
原创 初识mysql
什么是数据库数据库(Database)就是按照数据结构来组织，存储和管理数据的仓库。专业的数据库是专门对数据进行创建，访问，管理，搜索等操作的软件，比起我们自己用文件读写的方式对象数据进行管理更加的方便，快速，安全。作用： 对数据进行持久化的保存；方便数据的存储和查询，速度快，安全； 可以处理并发访问；更加安全的权限管理访问机制常见的数据库：关系型数据库： MySQL，Oracle，PostgreSQL，SQLserver…;非关系型数据库：Redis内存数据库，MongoDB文档数据库… MySQ
2020-06-22 08:33:22
90
原创 面向对象深入
内置成员获取类/对象的所属成员 类/对象.dictres = Demo.dict # 获取当前类的所属成员res = obj.dict # 获取当前对象的所属成员获取类的文档信息 类/对象.docres = Demo.docres = obj.doc获取类名称组成的字符串res = Demo.name获取类所在的文件名称，如果是当前文件，显示为__main__res = Demo.modulebases 获取当前类的父类列表res = Demo.base 获取继承的第一个父类
2020-06-14 22:23:48
76
原创 初识面向对象
面向过程和面向对象的区别面向过程：面向过程的核心是过程，过程就是指解决问题的步骤。面向对象：面向对象的核心是对象，是一个特征和功能的综合体。类与对象类：类是对象的一个抽象的概念对象（实例）：对象就是由类的创建的实例类和对象的关系就是 模具与铸件的关系类是由对象总结而来的，总结的这个过程叫做抽象；对象是由类具体实施出来的，这个过程叫做实例化。如何创建一个类，通过class关键字来定义一个类，类中需要声明属性和方法。成员属性和成员方法的操作成员属性：访问： 对象.成员属性名修改：
2020-06-08 14:21:00
83
原创 函数深入
返回值函数一个函数除来可以完成一定功能之外，还可以按需要返回一些内容函数中使用 return 关键字来指定返回数据，可以返回任意类型的数据函数的返回值，会把数据返回到调用处，可以使用变量接收，或其它处理变量作用域全局变量：在函数内外都可以使用的变量在函数内部使用 global 直接定义的变量，就是全局变量，函数内外都可以使用在函数外定义的变量，在函数内使用 global 关键字进行声明，那么也是全局变量在函数外定义的变量，函数可以访问，但是不能更改局部变量：在函数内部可以使用的变量函数内
2020-05-31 22:19:51
111
1原创 2020-05-17
Python初识注释:分为单行注释和多行注释单行注释以#开头多行注释用’’’ ‘’'进行注释运算符:加减乘除取余地板除//，求幂**变量命名规则:数字、字母、下划线组成，一定不要以数字开头，更不可以使用关键字。基本数据类型字符串str，list列表，bool布尔，dict字典，set集合，None类型，数字类型，元组tuplestr: a =“aqwe” 或者 a = ‘aqwe’list: a = [1，2，‘q’]bool: a=Truedict: d= {1:2,2:4}set
2020-05-17 19:08:01
105
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