- 博客(215)
- 资源 (2)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 sklearn做Normalization正则化
# 数据标准化模块from sklearn import preprocessing# 将资料分割成train与test的模块from sklearn.model_selection import train_test_split# 生成适合做classification资料的模块from sklearn.datasets._samples_generator import make_classification# Support Vector Machine中的Support Vector C
2022-01-09 22:43:15
251
原创 sklearn模型属性与方法
from sklearn import datasetsfrom sklearn.linear_model import LinearRegressionimport matplotlib.pyplot as pltloaded_data = datasets.load_boston()data_x = loaded_data.datadata_y = loaded_data.targetmodel = LinearRegression()# model.fit 用来训练模型model.
2022-01-09 22:42:14
299
原创 sklearn强大数据库
from sklearn import datasetsfrom sklearn.linear_model import LinearRegressionimport matplotlib.pyplot as pltloaded_data = datasets.load_boston()data_x = loaded_data.datadata_y = loaded_data.targetmodel = LinearRegression()model.fit(data_x,data_y)
2022-01-09 22:41:00
824
转载 sklearn机器学习通用解决方案
从 START 开始，首先看数据的样本是否 >50，小于则需要收集更多的数据。由图中，可以看到算法有四类，分类，回归，聚类，降维。其中 分类和回归是监督式学习，即每个数据对应一个 label。 聚类 是非监督式学习，即没有 label。 另外一类是 降维，当数据集有很多很多属性的时候，可以通过 降维 算法把属性归纳起来。例如 20 个属性只变成 2 个，注意，这不是挑出 2 个，而是压缩成为 2 个，它们集合了 20 个属性的所有特征，相当于把重要的信息提取的更好，不重要的信息就不要了。然后看.
2022-01-09 22:39:55
89
原创 DQN强化学习实践
DQN强化学习实践import torchimport torch.nn as nnimport torch.nn.functional as Fimport numpy as npimport gym# 定义超参数BATCH_SIZE = 32LR = 0.01EPSILON = 0.9 # 最优选择动作百分比GAMMA = 0.9 # 奖励递减参数TARGET_REPLACE_ITER = 100 # Q 现实网络的更新频率MEMORY_CAPACITY = 2000
2022-01-03 07:53:41
273
原创 Pipenv使用入门
安装pip install pipenvpipenv --help命令预览一下pipenv的用法创建虚拟环境pipenv install如果想指定创建的虚拟环境的Python版本，可以使用下面的命令。pipenv --python 3.6 #指定使用Python3.6的虚拟环境pipenv --two #使用系统的Python2在创建虚拟环境pipenv --three #使用系统的Python3在创建虚拟环境#注意：以上三个参数只能单独使用。它们还具有破坏性
2022-01-03 07:53:24
236
原创 解决 npm i 时出现npm ERRcode EINTEGRITY npm ERR sha512-MKiLiV+I1AA596t9w1sQJ8jkiSr5+ZKi0WKrYGUn6d1Fx+I
解决npm ERR! code EINTEGRITYnpm ERR! sha512-MKiLiV+I1AA596t9w1sQJ8jkiSr5+ZKi0WKrYGUn6d1Fx+Ij4tIj+m2WMQSGczs5jZVxV339chE8iwk6F64wjA== integrity checksum failed when using sha512: wanted sha512-
2022-01-01 16:19:23
1108
原创 两类检索算法的研究
实验内容一：两类算法分别编程实验，自己写数据进行运行，要求数据个数为10以上，使用同一组数据进行实验。写好程序后，可计算一下程序的时间耗费，对比算法差别算法1代码import java.util.Calendar;import java.util.Random;public class One { // 生成随机数组函数 public static int[] gennerateArray(int len, int max) { int[] arr = ne
2021-12-24 15:32:34
685
原创 分治法之排序及二分查找
1、n个数的全排列问题。代码public class one { // 交换函数 public static void swap(char[] array, int i, int j) { char temp = array[i]; array[i] = array[j]; array[j] = temp; } // 全排列函数 public static void fun(char[] array, int p
2021-12-24 15:32:02
1095
原创 动态规划之矩阵连乘
动态规划算法代码import java.util.Scanner;public class DP { public static int matrixChaain(int []p, int [][]m, int [][]s){ // m[i][j]代表从第i到j之间的矩阵的最小连乘数 int n = p.length-1; // 当前矩阵的个数 for(int i=1;i<=n;i++) m[i][i]=0; //对角线的值初始化为0
2021-12-24 15:31:32
223
原创 动态规划之最长公共子序列
最长公共子序列代码（附分析过程）import java.util.Scanner;public class one { // DP求解最长公共子序列 public static int LcsLength(char[] x, char[] y, int[][] vis) { int m = x.length - 1; int n = y.length - 1; int[][] c = new int[m + 1][n + 1]; //
2021-12-24 15:31:01
481
原创 动态规划之0-1背包
实验一分析目标：在不超过背包容量的情况下，最多能获得多少价值子问题状态:f[j]:表示前i件物品放入容量为j的背包得到的最大价值状态转移方程:f[j] = max{f[j],f[j - weight[i]] + value[i]}初始化:f数组全设置为0输出顺序:顺序输出物品编号注意：这里另外开辟数组G[i][v],标记上一个状态的位置G[i][v] = 1:表示物品i放入背包了，上一状态为G[i - 1][v - weight[i]]G[i][v] = 0:表示物品i没有放入背包，上一状
2021-12-24 15:30:12
643
原创 贪心算法——背包问题和最优装载问题
背包问题问题分析计算物品的单位价值，然后尽可能多的将单位重量价值高的物品放入背包中。代码import java.util.Arrays;import java.util.Scanner;public class one { static Scanner scanner = new Scanner(System.in); static class item implements Comparable<item> { private double va
2021-12-24 15:29:38
1826
原创 回溯算法——装载问题和8皇后问题
装载问题代码（附解题思路）import java.util.ArrayList;import java.util.List;import java.util.Scanner;public class Load { public static Scanner scanner = new Scanner(System.in); public static int weight1; //第一个集装箱的载重能力 public static int weight2; //第二个集
2021-12-24 15:29:16
230
原创 分支限界法——装载问题
队列式分支限界法思路解装载问题的队列式分支限界法仅求出所要求的最优值。首先检测当前扩展结点的左儿子结点是否为可行结点。如果是，则将其加入到活结点队列Q中。然后，将其右儿子结点加入到活结点队列中(右儿子结点一定是可行结点)。2个儿子结点都产生后，当前扩展结点被舍弃。活结点队列中，队首元素被取出作为当前扩展结点。活结点队列已空，算法终止。代码import java.util.LinkedList;import java.util.Queue;import java.util.Scanne
2021-12-24 15:28:27
1110
原创 Linux操作系统第3版（课后习题答案）
填空题Linux是在GRL版权协议下发行的遵循POSIX 标准的操作系统内核.Linux内核的作者是linus torvalds .Linux 可以通过光盘， 硬盘和网络等多种介质进行安装.Red Hat Linux提供的引导程序有GRUB 和LILO .X Window 是一套基于服务器/客户端架构的视窗系统，于1984 年在麻省理工学院(MIT) 计算机科学研究室开发.X Window 由服务器， 客户端和通信协议三部分组成.Linux 下的文件可以分为5 种不同的类型，分别普通文件，
2021-12-22 20:58:13
3346
原创 Linux期末总结（一）
文件管理与常用命令Linux中的文件名最大支持256个字符，分别可以用A～Z、a～z、0～9等字符来命名。Linux下的文件可以分为5种不同的类型：普通文件、目录文件、链接文件、设备文件和管道文件。Linux目录结构：/bin：bin是Binary的缩写, 这个目录存放着最经常使用的命令。/boot：boot这里存放的是启动Linux时使用的一些核心文件，包括一些连接文件以及镜像文件。/dev ：dev是Device(设备)的缩写, 该目录下存放的是Linux的外部设备，在Linux中访问设备的
2021-12-21 14:09:21
766
原创 Ubuntu 20安装配置Docker
Ubuntu 20安装配置Docker一、安装Docker在终端中输入以下命令:# 安装需要的包sudo apt-get updatesudo apt-get install apt-transport-https ca-certificates software-properties-common curl# 添加 GPG 密钥，并添加 Docker-ce 软件源官方的软件源（不推荐，很慢）：curl -fsSL https://download.docker.com/linux/ubun
2021-12-10 16:22:59
6589
原创 服务器配置安装
服务器安装mysql(8.0以下版本不建议)apt install mysql-server # 安装mysql# 如果安装过程没有提示设置密码1、su 2、service mysql stop3、service mysql restart4、mysql -u root -p5、use mysql;6、ALTER USER 'root'@'localhost' IDENTIFIED BY '需设置的密码';# 解决mysql只能以root用户进入且不用验证密码问题1、sudo mys
2021-11-27 15:13:51
142
原创 MYSQL安装Bug解决
安装MYSQL8.0版本出现mysql-创建用户报错ERROR 1396 (HY000): Operation CREATE USER failed for 'mysql.infoschema@‘localhost’mysql8ERROR 1449 (HY000): The user specified as a definer (‘mysql.infoschema‘@‘localhost‘) does not解决办法：删除该用户再重建use mysql;drop user ‘mysql.infos
2021-11-27 15:12:38
3114
原创 conda下使用jupyter notebook 报错解决
问题ImportError: IProgress not found. Please update jupyter and ipywidgets. See https://ipywidgets.readthedocs.io/en/stable/user_install.html解决首先确定当前的环境像我这里是在nlp环境1、通过 conda activate 环境名 切换到对应环境2、安装 jupyter 与 ipywidgetspip3 install jupyter pip3 inst
2021-11-24 15:53:02
936
原创 李宏毅机器学习总结
人工智能与机器学习与深度学习之间的关系机器学习的三类任务第一类是无监督学习，指的是从信息出发自动寻找规律，并将其分成各种类别，有时也称"聚类问题"。第二类是监督学习，监督学习指的是给历史一个标签，运用模型预测结果。如有一个水果，我们根据水果的形状和颜色去判断到底是香蕉还是苹果，这就是一个监督学习的例子。最后一类为强化学习，是指可以用来支持人们去做决策和规划的一个学习方式，它是对人的一些动作、行为产生奖励的回馈机制，通过这个回馈机制促进学习，这与人类的学习相似，所以强化学习是目前研究的重要方向之一。
2021-10-24 15:11:26
3060
原创 CNN（Convolutional Neural Network）
CNN的基本结构图中是一个图形识别的CNN模型。可以看出最左边的船的图像就是我们的输入层，计算机理解为输入若干个矩阵，这点和DNN基本相同。接着是卷积层（Convolution Layer）,这个是CNN特有的。卷积层的激活函数使用的是ReLU。我们在DNN中介绍过ReLU的激活函数，它其实很简单，就是ReLU(x)=max(0,x)。在卷积层后面是池化层(Pooling layer)，这个也是CNN特有的，我们后面也会专门来讲。需要注意的是，池化层没有激活函数。卷积层+池化层的组合可以在隐藏层出现
2021-10-23 20:43:17
19800
原创 深度学习技巧
深度学习技巧深度神经网络（DNN）损失函数和激励函数的选择MSE 均方差损失函数+Sigmoid 激活函数Sigmoid激活函数的表达式为：Sigmoid激活函数的图像为：输出层δL的梯度情况：图上可以看出，对于Sigmoid，当z的取值越来越大后，函数曲线变得越来越平缓，意味着此时的导数σ′(z)σ′(z)也越来越小。同样的，当z的取值越来越小时，也有这个问题。仅仅在z取值为0附近时，导数σ′(z)的取值较大。Sigmoid的这个曲线意味着在大多数时候，我们的梯度变化值很小，导致我们的 W,b
2021-10-20 21:32:24
215
原创 逻辑回归、深度学习简介、反向传播
Logistic Regression逻辑回归模型介绍Logistic Regression 虽然被称为回归，但其实际上是分类模型，并常用于二分类。Logistic Regression 因其简单、可并行化、可解释强深受工业界喜爱。Logistic 回归的本质是：假设数据服从这个分布，然后使用极大似然估计做参数的估计。Logistic 分布是一种连续型的概率分布，其分布函数和密度函数分别为：Logistic 分布是由其位置和尺度参数定义的连续分布。Logistic 分布的形状与正态分布的形状相
2021-10-17 22:11:37
988
原创 误差与梯度下降
误差误差 ＝ 方差 ＋ 偏差2 + 噪音 组成，一般来说，随着模型复杂度的增加，方差会逐渐增大，偏差会逐渐减小偏差（Bias）偏差（bias）：偏差衡量了模型的预测值与实际值之间的偏离关系。通常在深度学习中，我们每一次训练迭代出来的新模型，都会拿训练数据进行预测，偏差就反应在预测值与实际值匹配度上，比如通常在keras运行中看到的准确度为96%，则说明是低偏差；反之，如果准确度只有70%，则说明是高偏差。方差（Variance）方差（variance）：方差描述的是训练数据在不同迭代阶段的训练模
2021-10-15 22:30:16
2165
原创 回归(Regression)演示
import numpy as npimport matplotlib.pyplot as pltfrom pylab import mpl# 现在假设有10个x_data和y_data，x和y之间的关系是y_data=b+w*x_data。b，w都是参数，是需要学习出来的。现在我们来练习用梯度下降找到b和w。# matplotlib没有中文字体，动态解决plt.rcParams['font.sans-serif'] = ['Simhei'] # 显示中文mpl.rcParams['axes
2021-10-14 15:37:49
114
原创 回归（Regression ）
回归（Regression ）模型定义Regression 就是找到一个函数 functionfunction ，通过输入特征 x，输出一个数值 Scalar。模型应用股市预测（Stock market forecast）输入：过去10年股票的变动、新闻咨询、公司并购咨询等输出：预测股市明天的平均值自动驾驶（Self-driving Car）输入：无人车上的各个sensor的数据，例如路况、测出的车距等输出：方向盘的角度商品推荐（Recommendation）输入：商品
2021-10-13 22:19:10
582
原创 人工智能介绍
人工智能关系机器学习：一种实现人工智能的方法机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完
2021-10-11 22:12:35
936
原创 pandas出图Plot
import pandas as pdimport numpy as npimport matplotlib.pyplot as plt# 随机生成1000个数据data = pd.Series(np.random.randn(1000),index=np.arange(1000))# 为了方便观看效果, 我们累加这个数据data = data.cumsum()# pandas 数据可以直接观看其可视化形式data.plot()plt.show()print(data)# Datafr
2021-08-19 08:43:46
208
原创 pandas合并merge
import pandas as pd# pandas中的merge和concat类似,但主要是用于两组有key column的数据,统一索引的数据. 通常也被用在Database的处理当中.# 定义资料集并打印出left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'], 'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1',
2021-08-19 08:30:09
105
原创 pandas合并concat
import pandas as pdimport numpy as np# 定义资源集合df1 = pd.DataFrame(np.ones((3, 4)) * 0, columns=['a', 'b', 'c', 'd'])df2 = pd.DataFrame(np.ones((3, 4)) * 1, columns=['a', 'b', 'c', 'd'])df3 = pd.DataFrame(np.ones((3, 4)) * 2, columns=['a', 'b', 'c', 'd'
2021-08-19 08:01:40
218
原创 pandas数据导入导出
import pandas as pd# 示范档案下载 - 教师.xlsx# 读取exceldata = pd.read_excel('教师.xlsx')# 打印出dataprint(data)# 将资料存取成pickledata.to_pickle('teacher.pickle')
2021-08-19 07:38:13
192
原创 pandas处理丢失数据
import pandas as pdimport numpy as np# 建立了一个6X4的矩阵数据并且把两个位置置为空dates = pd.date_range('20130101', periods=6)df = pd.DataFrame(np.arange(24).reshape((6, 4)), index=dates, columns=['A', 'B', 'C', 'D'])df.iloc[0, 1] = np.nandf.iloc[1, 2] = np.nanprint(d
2021-08-19 07:29:43
85
原创 pandas设置值
import pandas as pdimport numpy as npdates = pd.date_range('20130101', periods=6)df = pd.DataFrame(np.arange(24).reshape((6, 4)), index=dates, columns=['A', 'B', 'C', 'D'])print(df)# 根据位置设置 loc 和 ilocdf.iloc[2, 2] = 1111df.loc['20130101', 'B'] = 22
2021-08-11 15:25:57
149
原创 pandas选择数据
import pandas as pdimport numpy as npdates = pd.date_range('20130101', periods=6)df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=['A', 'B', 'C', 'D'])print(df)# 获取列数据print(df['A'])print(df.A)# 选择跨越多行或多列:print(df[0:3]) # 多行（取左不取右）p
2021-08-11 15:15:56
79
原创 pandas基本操作
import pandas as pdimport numpy as np# Numpy 和 Pandas 有什么不同# 如果用 python 的列表和字典来作比较, 那么可以说 Numpy 是列表形式的，没有数值标签，而 Pandas 就是字典形式。Pandas是基于Numpy构建的，让Numpy为中心的应用变得更加简单。# 要使用pandas，首先需要了解他主要两个数据结构：Series和DataFrame。# Series:Series的字符串表现形式为：索引在左边，值在右边。由于我们没有
2021-08-11 14:55:31
97
原创 numpy数组赋值和数组copy
import numpy as npa = np.arange(4)b = aa[0] = 11print(a)print(b)# b 的值会随着a的改变而变化# [11 1 2 3]# [11 1 2 3]# copy() 的赋值方式没有关联性b = a.copy()a[2] = 11print(a)print(b)# [11 1 11 3]# [11 1 2 3]...
2021-08-11 14:28:51
280
原创 numpy分割array
import numpy as npa = np.arange(12).reshape((3, 4))print(a)# 纵向分割c = np.split(a, 2, axis=1)c = np.hsplit(a, 2)# 横向分割c = np.split(a, 3, axis=0)c = np.vsplit(a, 3)# 不等量分割c = np.array_split(a, 3, axis=1)print(c)
2021-08-11 14:23:05
125
原创 numpy合并array
import numpy as npa = np.ones((3))b = np.array([1, 2, 3])# vertical stack本身属于一种上下合并，即对括号中的两个整体进行对应操作。c = np.vstack((a, b))print(a.shape)print(a)# 左右合并c = np.hstack((a, b))# np.newaxis() 矩阵转置print(a[np.newaxis, :])# [[1 1 1]]print(a[np.newaxi
2021-08-11 14:10:41
2624
TA创建的收藏夹 TA关注的收藏夹
TA关注的人