- 博客(28)
- 资源 (1)
- 收藏
- 关注
转载 Transformer 模型详解(转载)
作者: 龙心尘 时间:2019年1月 出处:https://blog.csdn.net/longxinchen_ml/article/details/86533005 审校:百度NLP、龙心尘 翻译:张驰、毅航、Conrad 原作者:Jay Alammar 原链接:https://...
2021-12-21 07:10:59
4085
原创 Python系列教程一
一、Python简介:1.python是跨平台计算机程序设计语言:可以在不同的操作系统,windows, linux都可以。2.是一门解释型的语言:在开发过程中没有编译这个环节,与Java不一样3.是一种交互型语言,可以在提示符>>>后面直接执行代码4.面向对象的语言 在python的世界里一切都可以作为对象5.是初学者最好的语言,对于初级程序员来说是很伟大的,并且应用很广泛二、操作系统简介(我学习的教程从linux系统开始讲起,顺道把linux学习一下)操作
2021-12-14 05:59:42
284
原创 [Ubuntu20.04] MX250+Cuda 11.4 教程
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言 一、pandas是什么? 二、使用步骤 1.引入库 2.读入数据 总结前言提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、pandas是什么?示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分
2021-11-09 00:15:45
1128
原创 数据挖掘第二章笔记-基本的数据统计学描述
一 均值1. 一般的均值:如果数值带有权重,则计算权重均值:均值是一般的中心度量,但是它具有缺点。那就是对于极值非常敏感。如何解决这个问题?我们可以采用截尾均值,去掉最高和最低的2%数据点进行均值计算。二 中位数中位数 是很好的中心度量,把数值进行排序,如果是奇数,就是中间的值。如果是偶数个,取中间两个数的均值。中位数的近似值公式:三 众数众数是出现频率最多的数四 中列数中列数是数据中心度量的一个指标。它是数组最大值和最小值得平均数。五 极差..
2021-10-14 05:52:07
604
原创 数据挖掘笔记第三章——数据变换与数据离散化
数据离散化是一种数据变换的形式1.数据变换策略概述:2.通过规范化变换数据3.还可以通过分箱,直方图,聚类,决策树和相关分析离散化的方法进行离散化4.概念分层:...
2021-10-08 11:42:12
426
原创 数据挖掘第三章笔记——数据归约
数据归约是用来得到数据集的归约表示的,可以用较小的数据集来保持原始数据的完整性。在归约以后的数据集上挖掘会更有效,仍然产生相同的分析结果。1.数据归约策略概述包括维归约,数量规约以及数据压缩。维归约主要考虑减少随机变量或者属性的个数。维归约 的方法包括小波变换,主成成分分析。属性子集选择也是维归约的方法,不相关弱相关或者冗余的属性会被检测或删除。2.小波变换这里暂时没太看懂需要单独一篇写一些理解3.主成成分分析:搜索 K个最能代表数据的N维正交向量。使得原来的属性集的一个..
2021-10-08 11:23:07
2438
原创 数据挖掘笔记——数据集成
对来自多个数据存储的数据进行集成。1.实体识别问题数据集成是将来自多个数据源的数据进行合并存放在一个一致的数据存储中。数据集成时涉及到实体识别问题,如何确保一个实体对应不同名字可以最终映射到同一个名字上?2.冗余和相关分析一个属性如果可以由另一个或者 另一组属性导出,那可能这个属性就是冗余的。有些冗余可以被相关分析检测到,对于标称数据可以用卡方检测,对于数值属性可以用相关系数和协方差。1)标称数据的卡方检验2)数值数据的相关系数对于数值数据,计算属性A 和B的相...
2021-10-08 08:00:25
1461
原创 数据挖掘笔记——第三章数据清理
数据清理过程包括填补缺失数值,平滑噪声点,纠正数据的一致性。一、缺失数据值1.忽略元组:当缺少类标签时候通常这样做。除非元组有很多属性缺失值不然这个方法不好用。如果选择忽略了该元组那就不能使用元组剩下的属性值。2.人工填写缺失值:费时费力3.用一个全局常量替换所有的缺失值:所有的缺失值用Unkown替换,不是很可靠4.使用属性的中心度量(均值或者中位数)填充缺失值。对于对称的数据来说可以用均值替换;对于倾斜数据可以用中位数。5.使用与给定元组属于同一类的所有样本的属性均值或者中位数。
2021-10-08 04:37:49
635
原创 DataMining 第三章数据预处理笔记
一、为什么进行数据预处理?定义数据质量的三大要素是:accuracy, completeness, and consistency.数据的质量取决于你要用数据做什么用途,不同的用途会对数据质量评价的标准不同。记录数据的及时性也会影响到数据的质量。假设在一家商业公司,月末进行销售额统计但是各个部门经理没有及时上报自己部门的销售额,那么在一段时间内这个数据是不精确的。数据的可信度以及可解释性(能不能让人理解)也很重要,是影响数据质量的其他两个因素。二、数据预处理的主要任务1.数据清理是.
2021-10-07 23:20:01
257
转载 详解L1、L2、smooth L1三类损失函数
前言深度学习里面有很多的损失函数,对于MSE、MAE损失函数可能已经耳熟能详了了,对于L1、L2正则化也很熟悉,那你知道什么是L1_loss和L2_loss吗,以及在目标检测的系列论文比如fast-RCNN、faster-RCNN中经常出现的smooth L1损失又是什么呢?一、常见的MSE、MAE损失函数1.1 均方误差、平方损失均方误差(MSE)是回归损失函数中最常用的误差,它是预测值与目标值之间差值的平方和,其公式如下所示:下图是均方根误差值的曲线分布,其中最小值为预测值.
2021-10-06 21:28:46
3023
原创 Data Mining Read Notes
1.2 What is Data Ming?Data ming is also called :'' Knowledge discovery from data or KDD", Some people think Data Mining is just an essential step in the process of the knowledge discovery.This is the process of Knowledge Discovery:1. Data cleaning (t
2021-09-15 03:30:45
281
转载 这大概是我看到过最好的,全程无坑的MySQL安装教程了!!!十几分钟搞定!
MySQL 5.7.27 详细下载安装配置教程前言在安装MySQL的时候会遇到很多问题,博客上有很多解决问题的办法,在这里我附上一些链接,遇到问题的朋友们可以阅读参考哈~本文主要针对于刚接触数据库的小白,来安装MySQL数据库。目前官网上的MySQL版本有5.5,5.6,5.7和8,在开发的时候我们一般要选择比最新版低1到2个版本的,因此我选择了5.7作为要安装的数据库1.下载步骤访问官方网站:https://www.mysql.com/ 选择Downloads下的Community 下
2020-08-06 11:58:43
229
原创 写一篇文章来记录一下自己在MySQL安装过程中遇到的诸多坑
最近需要做学校的实训项目,之前下载过MySQL的8.0.18,后来觉得没啥用就删除了,但是最近学校要做的实训项目需要用到数据库(所以一般数据库还是保留着吧,删除再重装真的很麻烦呜呜呜。。。。)众所周知,MySQL如果卸载不干净的话,会影响到下一次的 重新安装,会出现各种bug。那么在你安装新的MySQL之前 ,记得先删除掉原来的MySQL版本,具体删除的步骤在这篇博客删除MySQL但是!我在删除的过程中遇到了许多坑,这里我总结一下:1.安装时候卡在了一步(具体我忘记报错信息了,囧),但是你打开Log
2020-07-04 09:20:59
154
转载 如何完整卸载Mysql
最近这两天在做项目时不小心把mysql配置文件弄错了,服务启动不起来,最终导致只能重新装数据库,但是装了很多次都失败,最后在别人博客中找到了原因,原来是因为卸载数据库时没有卸载干净导致的!下面我就把卸载mysql数据库的方法分享给大家!第一步:停止mysql服务在:我的电脑→管理→服务→找到mysql并停止第二步:卸载mysql数据库开始菜单→控制面板→程序和功能第三步:删除mysql数据库残留文件位置:删除 C盘→programData->mysql文件夹,programDat
2020-07-03 11:54:05
653
原创 SpringBoot中使用jsp的那些坑
背景说明:SpringBoot1.5+tomcat的管理后台项目坑1: tomcat-embed-jasper包依赖SpringMVC中jsp请求流程:servlet容器收到请求,分发到SpringMVC的DispatcherServlet. SpringMVC经过处理,返回jsp视图名称,随后通过InternalResourceViewResolver解析得到InternalRes...
2019-12-31 23:12:03
1189
原创 跨域的解决方案
什么是跨域?浏览器在请求不同域的资源时,会因为同源策略的影响请求不成功,这就是通常被提到的“跨域问题”。作为前端开发,解决跨域问题应该是一个被熟练掌握的技能。而随着技术不断的更迭,针对跨域问题的解决也衍生出了多种解决方案。我们通常会根据项目的不同需要,而采取不同的方式。那么简单一点来说其实跨域是指一个域下的文档或脚本试图去请求另一个域下的资源,这里跨域是广义的。为什么会出现跨域这种情况...
2019-12-24 02:35:04
124
原创 CSS媒体查询详细解读
一 CSS媒体查询使用的背景:现今每天都有更多的手机和平板电脑问市。消费者能够拥有可想象到的各种规格和形状的设备,但是网站开发人员却面临一个挑战:如何使他们的网站在传统浏览器、手机和平板电脑浏览器上有很好的效果,如何在各种大小的屏幕上提供一流的用户体验,答案是:采用响应式设计。响应式设计可以随所显示的屏幕大小而改变。实现响应式设计的主要方法是使用 CSS 媒体查询。二 响应式设计:...
2019-12-22 15:46:13
1474
原创 JAVA小白入门系列—常量
常量常量就是指固定的值,比如说:1,2,3,a,b,c常量定义的基本格式:final type name=value;举个例子:public class TestConstants {public static void main(String[] args) {final double PI = 3.14;// PI = 3.15; //编译错误,不能再被赋值!doubl...
2019-12-08 11:58:04
110
原创 JAVA小白入门系列——变量的本质
变量变量的要素包括:变量名,变量作用域,变量类型。变量在使用之前一定要进行声明,声明之后才能进行使用。变量的本质变量的本质就是代表一个可以操作的存储空间,这个存储空间里面具体放的是什么样的数值是不清楚的。我们可以通过访问变量的名字来访问它。举个例子,比如说地下车库里面有许许多多的停车位,一个车位里面也许停着的是一辆奥迪车,也许是一辆奔驰车,这里的车位就相当于这个存储的空间。变量的...
2019-12-08 11:48:48
337
原创 Tensorflow读取数据--TFrecord格式
一. 什么是Tfrecord?TFRecords可以允许你讲任意的数据转换为TensorFlow所支持的格式, 这种方法可以使TensorFlow的数据集更容易与网络应用架构相匹配。这种建议的方法就是使用TFRecords文件,TFRecords文件包含了[tf.train.Example 协议内存块(protocol buffer)](协议内存块包含了字段[Features]。你可以写一段代...
2019-04-09 21:31:22
480
转载 similarity network fusion for aggregating data types on a genomic scale
基因组规模上的聚合数据类型的相似性网络融合摘要: 近期的技术已经使收集不同类型的全基因组数据十分划算,结合这些数据去创建一个给定的疾病或生物过程的一个全面视图的计算方法是有必要的。相似网络融合(SNF:similarity network fusion)通过创建每一个可利用的数据类型的样本(如,患者)的网络可以解决这个问题。例如,创建一个给定一群患者疾病的全面视图,SNF计算...
2018-11-04 19:58:14
1229
翻译 similarity network fusion for aggregating data types on a genomic scale 翻译
基因组规模上的聚合数据类型的相似性网络融合(本文是对similarity network fusion for aggregating data types on a genomic scale 整体文章的翻译,对于后面理论公式部分可以参照该朋友的笔记)摘要近期的技术已经使收集不同类型的全基因组数据十分划算,结合这些数据去创建一个给定的疾病或生物过程的一个全面视图的计算方法是有必要的。...
2018-11-04 19:57:21
1474
转载 codeblocks如何查看头文件
首先我们可以确定的是codeblock既然可以编译运行c/c++文件,那么他一定包含了c/c++的头文件。所以我们如果想查看头文件需要找到相关的文件目录,所幸的是,我找到了。先找到codeblock的根目录,如下然后找到之下的\MinGW\include子目录,该目录下即包含c/c++的头文件例如我们常用的stdio.h
2018-02-07 21:57:17
9530
1
原创 写代码常见错误
以后还会继续总结出来,因为自己写的一些小问题导致调试半天......1. 写递归函数需要用到数组时可以把数组设为全局。2.记得全局变量该更新的时候应该更新3.出现无法保存文件(在CB上)的情况,看下编译器.....4.输入一个三角形的矩阵,记得第二重循环的终点下标5.避免递归函数进入死循环。6,检查下标,数组下标!
2017-12-08 21:17:55
298
原创 poj1163
一道入门的很简单的dp题目,(最近刚学dp,看不懂dp的原理,今天再来看着道题目,突然就有些明白了)对动态规划的理解,就是站在全局角度找最优解,那么你要先去找比它前一步的最优解,前一步如果不满足最优解的话,那么就没办法满足全局最优解了,这一点就叫做最优子结构。dp与贪心不同的是,贪心只满足下一步的局部最优解,而不是全局。所以动规对于问题的思考方式其实就是把一个大问题细分为一个一个小问题,把这个
2017-12-06 22:22:00
419
原创 利用动态规划解题思路
1.DP 问题适合用在解决最优化,比如“最长,最短,最大”等问题中2.遇到此类问题先从较小的问题开始考虑,一层一层去模拟思路,知道找到规律,也就是每一层之间的关系3.找到关系之后,可以采取递推的方式一层一层进行计算,直到达到要求的状态数目为止。入门题目:http://poj.org/problem?id=2533
2017-11-30 11:52:36
351
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人