谁最温柔最有派-CSDN博客

原创机器学习十大算法简介

本文对机器学习的常用算法进行常识性的认识，介绍这些算法是什么以及如何应用（主要是针对分类问题）以及对单个算法的理解的简介。本文要介绍的十大算法如下：①决策树；②随机森林；③逻辑回归；④SVM（support vector machine）；⑤朴素贝叶斯；⑥K最近邻算法；⑦K均值算法；⑧Adaboost算法；⑨神经网络；⑩马尔科夫。

2022-02-24 14:30:29 2039 2

1.把多个excel表都放在同一个文件夹里面，并在这个文件夹里面2.用microsoft excel打开新建的excel表，并右键单击sheet1，找到“查看代码”，单击进去。进去之后就看到了宏计算界面3.将以下代码复制进窗体中'***********访问当前文件夹下全部子文件夹及文件,Dim iFile(1 To 100000) As StringDim count As IntegerSub xls2xlsx() iPath = ThisWorkbook.Path On

2022-05-19 13:09:57 9767 1

原创【强化学习】Asynchronous Advantage Actor-Critic（A3C）

1 A3C简介A3C全称Asynchronous Advantage Actor-Critic，顾名思义，它采用的是Actor-Critic的形式（需要回顾Actor-Critic的，可以点击这里【强化学习】Actor-Critic（演员-评论家）算法详解）。为了训练一对Actor和Critic，我们将他复制多份红色的，然后同时放在不同的平行空间中，让他们各玩各的。然后每个红色副本都悄悄告诉黑色的Actor-Critic自己在那边的世界玩的怎么样，有哪些经验值得分享。然后还能从黑色的Actor-Criti

2022-04-25 15:33:40 5318

原创【强化学习】Deep Q Network深度Q网络（DQN）

1 DQN简介1.1 强化学习与神经网络该强化学习方法是这么一种融合了神经网络和Q-Learning的方法，名字叫做Deep Q Network。Q-Learning使用表格来存储每一个状态state，和在这个state每个行为action所拥有的Q值。而当今问题实在是太复杂，状态可以多到比天上的星星还多（比如下围棋）。如果全用表格来存储它们，恐怕我们的计算机有再大的内存都不够，而且每次在这么大的表格中搜索对应的状态也是一件很耗时的事。不过在机器学习中，有一种方法对这种事情很在行，那就是神经网络。我们

2022-04-24 15:34:06 5912

原创【强化学习】Deep Deterministic Policy Gradient(DDPG)算法详解

1 DDPG简介DDPG吸收了Actor-Critic让Policy Gradient 单步更新的精华，而且还吸收让计算机学会玩游戏的DQN的精华，合并成了一种新算法，叫做Deep Deterinistic Policy Gradient。那DDPG到底是什么样的算法呢，我们就拆开来分析，我们将DDPG分成’Deep’和’Deterministic Policy Cradient’又能被细分为’Deterministic’和’Policy Gradient’，接下来，我们开始一个一个分析。1.1 Dee

2022-04-22 14:42:56 7551

原创【强化学习】Actor-Critic（演员-评论家）算法详解

1 Actor Critic算法简介1.1 为什么要有Actor CriticActor-Critic的Actor的前身是Policy Gradient，这能让它毫不费力地在连续动作中选取合适的动作，而Q-Learning做这件事会瘫痪，那为什么不直接用Policy Gradient呢，原来Actor-Critic中的Critic的前身是Q-Learning或者其他的以值为基础的学习法，能进行单步更新，而更传统的Policy Gradient则是回合更新，这降低了学习效率。现在我们有两套不同的体系，A

2022-04-22 13:45:25 17069

原创【强化学习】Policy Gradient（策略梯度）算法详解

1 Policy Gradient简介1.1 基于策略和基于值的强化学习方法不同强化学习是一个通过奖惩来学习正确行为的机制。家族中有很多种不一样的成员，有学习奖惩值，根据自己认为的高价值选行为，比如Q-Learning，Deep-Q-network，也有不通过分析奖惩值，直接输出行为的方法，这就是今天要说的Policy Gradient加上一个神经网络来输出预测的动作。对比起以值为基础的方法，Policy Gradient直接输出动作的最大好处就是，他能在一个连续区间内挑选动作，而基于值的，比如Q-Le

2022-04-21 14:26:22 13299 1

原创【强化学习】Q-Learning算法详解

1 Q-Learning算法简介1.1 行为准则我们做很多事情都有自己的行为准则，比如小时候爸妈常说：不写完作业就不准看电视。所以我们在写作业这种状态下，写的好的行为就是继续写作业，知道写完他，我们还可以得到奖励。不好的行为就是没写完就跑去看电视了，被爸妈发现，后果很严重。小时候这种事情做多了，也就变成我们不可磨灭的记忆。这和我们提到的Q-Learning有什么关系呢？原来Q-Learning也是一个决策过程，和小时候的这种情况差不多。我们举例说明。假设现在我们处于写作业的状态，而且我们以前没有尝试过

2022-04-20 13:05:13 18918 2

原创 Lombok包安装成功，运行时却提示找不到get、set方法、构造器解决方法

确认lombok安装成功，注解没有报红的情况下，idea中运行提示找不到get、set方法或构造器，查看是否打开注解，如没有打开如下图勾选后应用即可解决改问题。

2022-02-28 11:32:58 1993

原创 mysql中字符串和时间相互转换的方法

1.当字符串格式和时间格式相同时，mysql会自动进行转换。例如：```sqlSELECT * FROM table WHERE ts = '20212.mysql中，DATE_FORMAT(date, format) 函数根据format字符串格式化date值,format字符串格式把字符串转为日期格式:SELECT DATE_FORMAT( '2011-09-20 08:30:45' , '%Y-%m-%d %H:%i:%S' );把日期转为字符串格式:SELECT DATE

2021-12-14 09:02:48 12547 2

原创快速把多个excel合成一个表

1.把多个excel表都放在同一个文件夹里面，并在这个文件夹里面新建一个excel。2.用microsoft excel打开新建的excel表，并右键单击sheet1，找到“查看代码”，单击进去。进去之后就看到了宏计算界面。3.将以下代码复制进窗体中Sub 合并当前目录下所有工作簿的全部工作表()Dim MyPath, MyName, AWbNameDim Wb As Workbook, WbN As StringDim G As LongDim Num As LongDim

2021-12-11 10:00:22 1567

原创 Office 16 Click-to-Run Extensibility Component 卸载

安装Office 2016出现以上问题时可进行以下操作：1.Win + R 运行，输入Installer，进入Installer文件夹2.在详细信息的信息列表栏右键添加在最下方主题选项3.根据主题选项的信息, 查找到Click-to-Run Extensibility Component的Installer4.右键该 MSI程序, 选择卸载Click-to-Run Extensibility Component，只卸载这一项...

2021-12-11 09:25:26 9357 3

原创 pytorch深度学习（10）：卷积神经网络（CNN）并尝试在GPU上运行模型

以pytorch深度学习（9）：加载MNIST数据集，使用Softmax进行多分类一文中的例子，使用卷积层神经元，并将模型和数据放在gpu上运行代码如下：import torchfrom torchvision import transformsfrom torchvision import datasetsfrom torch.utils.data import DataLoaderimport torch.nn.functional as Fimport torch.optim as o

2021-12-01 14:04:18 2080

原创 pytorch深度学习（9）：加载MNIST数据集，使用Softmax进行多分类

代码如下：import torchfrom torchvision import transformsfrom torchvision import datasetsfrom torch.utils.data import DataLoaderimport torch.nn.functional as Fimport torch.optim as optimbatch_size = 64transform = transforms.Compose([ transforms.ToTe

2021-12-01 10:30:57 654 1

原创 pytorch深度学习（8）：加载数据集

以pytorch深度学习（7）：处理多维特征输入–一文中的例子优化数据集加载，使用mini batch算法代码如下：import numpy as npimport torchfrom torch.utils.data import Dataset, DataLoaderclass DiabetesDataset(Dataset): def __init__(self, filepath): xy = np.loadtxt(filepath, delimiter=','

2021-11-30 16:52:06 145

原创 pytorch深度学习（7）：处理多维特征输入

文章所需要的数据集diabetes.csv下载地址：https://download.csdn.net/download/shoppingend/52699628为免费下载资源，下载后只需将其放到自己的.py文件同一目录下数据定义：xy = np.loadtxt(‘diabetes.csv’, delimiter=’,’, dtype=np.float32)x_data = torch.from_numpy(xy[:, :-1])y_data = torch.from_numpy(xy[:, [-

2021-11-30 15:23:15 149

原创 pytorch深度学习（6）：逻辑斯蒂回归（Logistic Regression）处理分类问题

数据 x_data = [[1.0], [2.0], [3.0]]，分类：y_data = [[0], [0], [1]]代码如下：import torchx_data = torch.Tensor([[1.0], [2.0], [3.0]])y_data = torch.Tensor([[0], [0], [1]])class LogisticRegressionModel(torch.nn.Module): def __init__(self): super(Log

2021-11-30 11:14:50 658

原创 pytorch深度学习（5）：pytorch实现线性回归y=w*x+b

数据 x_data = [1.0, 2.0, 3.0]，y_data = [2.0, 4.0, 6.0]模型选择：y = w * x + b代码如下：import torch# 数据准备x_data = torch.Tensor([[1.0], [2.0], [3.0]])y_data = torch.Tensor([[2.0], [4.0], [6.0]])# 设计模型class LinearModel(torch.nn.Module): def __init__(self):

2021-11-30 09:52:16 1374

原创 pytorch深度学习（4）：反向传播y=w*x

数据 x_data = [1.0, 2.0, 3.0]，y_data = [2.0, 4.0, 6.0]模型选择：y = w * x代码如下：import torchx_data = [1.0, 2.0, 3.0]y_data = [2.0, 4.0, 6.0]w = torch.Tensor([1.0])w.requires_grad = Truedef forward(x): return x * wdef loss(x, y): y_pred = forwar

2021-11-29 16:26:01 325

原创 pytorch深度学习（3）：随机梯度下降y=w*x

数据：x_data = [1.0, 2.0, 3.0]， y_data = [2.0, 4.0, 6.0]模型选择：y = x * w代码如下：x_data = [1.0, 2.0, 3.0]y_data = [2.0, 4.0, 6.0]w = 1.0def forward(x): return x * wdef loss(x, y): y_pred = forward(x) return (y_pred - y) ** 2def gradient(x, y

2021-11-29 14:55:45 331

原创 pytorch深度学习（2）：线性模型y=w*x+b

数据 x_data = [1.0, 2.0, 3.0]，y_data = [5.0, 8.0, 11.0]模型选择：y = x * w + b代码如下：import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dx_data = [1.0, 2.0, 3.0]y_data = [5.0, 8.0, 11.0]def forward(x): return x * w

2021-11-29 13:25:50 1285

原创 pytorch深度学习（1）：线性模型y=w*x

数据 x_data = [1.0, 2.0, 3.0]，y_data = [2.0, 4.0, 6.0]模型选择：y = w * x代码如下：import numpy as npimport matplotlib.pyplot as pltx_data = [1.0, 2.0, 3.0]y_data = [2.0, 4.0, 6.0]def forward(x): return x * wdef loss(x, y): y_pred = forward(x) r

2021-11-29 11:31:33 679

原创 python深度学习：卷积神经网络图像分类（训练、测试和模型的加载保存）

简介本文内容是python官网上中文教程中的一个例子：实现一个卷积神经网络实现图像识别，所用到的数据集是cifar10，是一个十分类的图像分类数据集，每个对象的所属类别为1类，总共类别为10类，输入图像数据的维度是[1，1，32，32].下面是具体的代码实现部分。参考地址：https://pytorch.apachecn.org/#/docs/1.7/06代码实现1.了解数据下载cifar10数据集，获得训练集、测试集；将其用dataloader进行封装；选一条数据打印出来看看。import t

2021-11-25 11:31:43 6395 4

原创 mysql查询24小时内的数据

mysql查询当前时间24小时内的数据如下：where time >=(NOW() - interval 24 hour)

2021-10-28 15:28:22 2549

原创 Java获取N天前的日期和N天后的日期

直接上代码获取过去第几天的日期获取未来第几天的日期

2021-10-09 14:10:45 166

原创 Chrome谷歌浏览器通过安装插件JsonView格式化Json数据

1.JsonView插件下载2.用Chrome浏览器加载插件①解压压缩包②打开Chrome浏览器，在地址栏输入chrome://extensions/③点击右上角开关，打开开发者模式④点击“加载已解压的扩展程序”⑤导入刚刚解压的压缩包，选择插件目录JSONView-for-Chrome-master\WebContent⑥刷新页面即可看到要读的Json数据已经可视化展示

2021-09-26 09:09:28 324 1

原创 Map和HashMap的区别

Map集合的特点：1、Map集合一次存储两个对象，一个键对象，一个值对象2、键对象在集合中是唯一的，可以通过键来查找值HashMap特点：1、使用哈希算法对键去重复，效率高，但无序2、HashMap是Map接口的主要实现类

2021-08-23 11:05:46 248

原创 vs code中terminal（终端）无法输入命令（2步轻松解决）

1. 去掉兼容性运行右键属性，选择兼容性，点击更改多有用户的设置，去掉“以兼容模式运行这个程序”2.在settings.json文件中配置点击左下角设置，选择一个命令面板选择首选项：Open Settings(JSON)在打开的文件中输入以下两行代码最后重启命令行即可输入命令了

2021-07-13 15:05:58 8903 7

原创 mysql数据库报错1166 - Incorrect column name解决办法

1166 - Incorrect column name错误释义：列名不正确错误原因：新增字段时字段名中不小心多加了空格解决办法：删除字段名中多余的空格，保存即可

2021-07-12 10:25:43 4229 2

原创 Git首次创建上传一个新的项目到Gitlab或GitHub

安装好git客户端后，在git bash界面输入如下内容即可完成邮箱的注册：$ git config --global user.name "user.name"（说明：双引号中需要你的用户名，这个可以随便输入，比如“zhangsan”）$ git config --global user.email "[email protected]"（说明：双引号中需要输入你的有效邮箱，比如“[email protected]”）

2021-05-25 09:31:32 84

原创检验node.js是否安装成功

打开cmd命令行，输入node -v和npm -v出现对应的版本证明安装成功，如果报错证明安装失败

2021-05-08 08:20:53 1168

原创 Spring AOP环绕通知

import lombok.extern.slf4j.Slf4j; import org.aspectj.lang.ProceedingJoinPoint; import org.aspectj.lang.annotation.Around; import org.aspectj.lang.annotation.Aspect; import org.aspectj.lang.annotation.Pointcut; import org.springframework.stereotyp

2021-04-07 11:17:45 68

原创详细解读Spring中的@transactional使用

事务管理是应用系统开发必不可少的一部分。Spring为事务管理提供了丰富的功能支持。Spring事务管理分为编码式和声明式两种方式。编程式事务指的是通过编码方式实现事务；声明式事务基于 AOP，将具体业务逻辑与事务处理解耦。声明式事务管理使业务代码逻辑不受污染，因此在实际使用中声明式事务用的比较多。声明式事务有两种方式，一种是在配置文件（xml）中做相关的事务规则声明，另一种是基于@Transactional 注解的方式。注释配置是目前流行的使用方式，因此本文将着重介绍基于@Transactional 注

2021-04-07 11:03:19 161

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

文章【强化学习】Policy Gradient（策略梯度）算法详解中的代码资源

文章【强化学习】Q-Learning算法详解中的代码资源

diabetes.csv

超级玛丽demo（java实现）可以直接运行

空空如也