tiankong_的博客

转载 python argparse用法2

可选参数到目前为止，我们已经使用了位置参数。让我们来看下如何使用可选参数。[python] view plain copyimport argparse  parser = argparse.ArgumentParser()  parser.add_argument("--verbosity", help="increase 

转载 python argparse用法总结

1. argparse介绍是python的一个命令行解析包，非常编写可读性非常好的程序2. 基本用法prog.py是我在linux下测试argparse的文件，放在/tmp目录下，其内容如下：#!/usr/bin/env python# encoding: utf-8import argparseparser = argparse.ArgumentParser()parser.

转载 Windows下用Anaconda安装TensorFlow

笔者之前在学习TensorFlow，也在自己的笔记本上完成了安装，在PyCharm中进行学习。但是最近为了使用Python的科学计算环境，我把之前的环境卸载了，并用Anaconda重新安装了TensorFlow，由于自己的笔记本已经很旧了，显卡不行，所以这里介绍一下cpu版本的安装方法和自己遇到的一些坑，截图甚多。这里直接上干货：1.安装Anaconda选择相应的Anaco

转载 简单粗暴理解方向传播算法

说明学习深度学习的过程中，遇到了一个用例子讲解反向传播算法的博文，简单粗暴容易理解，很适合我这种小白，所以打算翻译一下分享，英文水平有限，翻译不对的地方请告知。原文地址在这。下面是译文。背景反向传播在神经网络的训练中是一种经常被用到的算法。关于反向传播算法网上有很多讲解，但是很少有用真实的数字为大家举例子来解释的。在本篇博文中，我将努力用一个具体的例子来解释反向传播是怎样工

转载 向量范数与矩阵范数

1.范数(norm)的意义要更好的理解范数，就要从函数、几何与矩阵的角度去理解。 我们都知道，函数与几何图形往往是有对应的关系，这个很好想象，特别是在三维以下的空间内，函数是几何图像的数学概括，而几何图像是函数的高度形象化，比如一个函数对应几何空间上若干点组成的图形。 但当函数与几何超出三维空间时，就难以获得较好的想象，于是就有了映射的概念，映射表达的就是一个集合通过某种关系转为另

转载 python-numpy数组拼接方法介绍

数组拼接方法一思路：首先将数组转成列表，然后利用列表的拼接函数append()、extend()等进行拼接处理，最后将列表转成数组。示例1：>>> import numpy as np>>> a=np.array([1,2,5])>>> b=np.array([10,12,15])>>> a_list=list(a)>>> b_list=list(b)

转载 机器学习-代价函数

注：代价函数（有的地方也叫损失函数，Loss Function）在机器学习中的每一种算法中都很重要，因为训练模型的过程就是优化代价函数的过程，代价函数对每个参数的偏导数就是梯度下降中提到的梯度，防止过拟合时添加的正则化项也是加在代价函数后面的。在学习相关算法的过程中，对代价函数的理解也在不断的加深，在此做一个小结。 1. 什么是代价函数？假设有训练样本(x, y)，模型为h，参数为

转载 机器学习-梯度下降法实现线性回归

1. 背景文章的背景取自An Introduction to Gradient Descent and Linear Regression，本文想在该文章的基础上，完整地描述线性回归算法。部分数据和图片取自该文章。没有太多时间抠细节，所以难免有什么缺漏错误之处，望指正。线性回归的目标很简单，就是用一条线，来拟合这些点，并且使得点集与拟合函数间的误差最小。如果这个函数曲线是一条直

原创 机器学习-用python绘制常见的统计分布

1.二项分布服从二项分布的随机变量X表示在n个独立的是/非试验中成功的次数，其中每次试验的成功概率为p。E(X) = np, Var(X) = np(1−p)

转载 各种分布的python例子

#-*- encoding:utf-8 -*-import numpy as npfrom scipy import statsimport matplotlib.pyplot as plt######################二项分布#####################def test_binom_pmf(): ''' 为离散分布 二项分布的例子

转载 使用Python进行描述性统计

使用Python进行描述性统计目录1 描述性统计是什么？2 使用NumPy和SciPy进行数值分析　　2.1 基本概念　　2.2 中心位置（均值、中位数、众数）　　2.3 发散程度（极差，方差、标准差、变异系数）　　2.4 偏差程度（z-分数）　　2.5 相关程度（协方差，相关系数）　　2.6 回顾3 使用Matplotlib进行图分析　　3.1 基

原创 机器学习-采用正态贝叶斯分类器、决策树、随机森林对abalone数据集分类

1.abalone（鲍鱼）数据集描述http://archive.ics.uci.edu/ml/datasets/Abalone总共包含4177条数据，每条数据中包含8个特征值，一个分类（鲍鱼年龄，看看圈数），可以看做是分类问题或者回归问题2.数据集预处理数据的部分展示Sex / nominal / -- / M, F, and I (infant) Lengt

原创 机器学习-方差

1.什么是方差2.方差的含义3.数学期望（均值）和算术平均值（平均数）的关系（期望和平均数的关系）4.离散型随机变量和连续型随机变量数学期望算法5.数学期望的性质

原创 机器学习-数学期望

1.什么是数学期望在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和严格的定义如下：2.数学期望的含义这个很重要，我们一定要明白概念的含义，联系到实际的应用场景中表达的真正意义，数学期望的存在是为了表达什么？答：反映随机变量平均取值的大小3.数学期望（均值）和算术平均值（平均数）的关系（期

原创 机器学习-采用正态贝叶斯分类器、决策树、随机森林对wine数据集分类

#include "opencv2/ml/ml.hpp"#include "opencv2/core/core.hpp"#include "opencv2/core/utility.hpp"#include #include #include #include #includeusing namespace std;using namespace cv;using names

原创 机器学习-采用决策树对wine分类

1.数据集的准备我采用UCI中的Wine Data Set将178个样本分成118个训练样本和60个测试样本，下载地址：http://download.csdn.net/download/tiankong_/10119862数据描述:第一列为类属性 ，用1,2,3表示，后面13列为特征属性，分别为Alcohol，Malicacid，Ash，Alcalinity of ash，M

原创 机器学习-采用正态贝叶斯分类器对wine分类

1.数据集的准备我采用UCI中的Wine Data Set2.

原创 机器学习-UCI数据库

1.Wine Data Set地址：点击此处

转载 机器学习-信息增益和信息增益比-笔记

转载 机器学习-熵与条件熵笔记

1.什么是熵？熵是不确定性的度量

原创 opencv3.0正太贝叶斯分类器api讲解

1.官方文档学习新东西时，首先弄懂原理，然后手动实现，最后查看经典的库调用，对于最后一步，我们需要查看官方文档。opencv2.0和opencv3.0之间关于normalbayesclassifier的接口略有变化，opencv3.0关于此部分的描述点击此处2.关键的几个接口opencv3.0

原创 opencv中Mat存储图像和遍历图像像素

#include #include using namespace cv;using namespace std;int main(int argc, const char** argv){ Mat img = imread("F:\\Image\\6.jpg", CV_LOAD_IMAGE_UNCHANGED); //Mat存储图片 cout << img.rows <<

转载 OpenCV—基本矩阵操作与示例

转载自：http://blog.csdn.net/iracer/article/details/51296631OpenCV的基本矩阵操作与示例OpenCV中的矩阵操作非常重要，本文总结了矩阵的创建、初始化以及基本矩阵操作，给出了示例代码，主要内容包括：创建与初始化矩阵加减法矩阵乘法矩阵转置矩阵求逆矩阵非零元素个数矩阵均值与标

转载 opencv3.0-Mat类笔记

转载自：http://blog.csdn.net/what_lei/article/details/54613575Mat：        the matrix header   包含矩阵尺寸；        a pointer                  包含矩阵中的数值。创建Mat：Mat M(2,2,CV_8UC3,Scalar(

转载 朴素贝叶斯-文本分类侮辱性言论

/** code list 4-1 : transfer func from docs list to vocabulary list* code list 4-2 : training func on Naive Bayes Classifier* add code list 4-3 : naive bayes classify function* */#include #inc

原创 朴素贝叶斯-过滤垃圾邮件代码实例详解

1.问题描述过滤垃圾邮件2.思考过程（1）收集数据：提供文本文件（2）准备数据：将文本文件解析成词条向量此处我们需要从给予的文本文档中构建自己的词列表（将文本内容进行词分割，过滤不需要的），也就是要创建符合实际情况的文本解析规则和过滤器（此处发现python对这方面的支持太好用，用其他语言比如c++当然也可以），代码实现中可以为此单独写一个函数（3）分析数据：检查词条确保解...

转载 Win7+VS2013+OpenCV3.0.0详细配置

本来想自己写一篇的，网上发现一片写得还不错，亲测有效当配置过程中，打开了VS2013，同时发现系统变量配错了，回头改了系统变量，那么切记要重启VS2013，因为VS2013在启动时就加载了系统变量，所以如果打开着VS2013回头更改了系统变量，此时VS2013已经加载了系统变量，更改的系统变量没有立即生效。如果不行重启试试也行，我就是最后重启后，配置完全没动，错误就消失了，经分析才知道