- 博客(6)
- 资源 (6)
- 收藏
- 关注
RSS订阅转载 怎样删除numpy.array中的行或列？
import numpy as npA = np.delete(A, 1, 0) # 删除A的第二行B = np.delete(B, 2, 0) # 删除B的第三行C = np.delete(C, 1, 1) # 删除C的第三列参考引用：https://stackoverflow.com/questions/1642730/how-to-delete-columns-in-numpy-ar
2017-08-14 20:51:03
51274
2
原创 Pandas DataFrame 行列操作
以下实验中的train.csv文件使用Digit Recognizer中的训练数据集import pandas as pd # 引用pandas库import numpy as np # 引用Numpy库dataset = pd.read_csv("../data/train.csv") #读取csv文件dataset.head() # 查看数据前5行# 随机构造一个5行3列的DataFr
2017-08-09 19:22:46
23487
原创 随机森林—算法笔记
随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树 使用sklearn 随机森林RandomForestClassifier进行Digit Recognizer实验：from sklearn.ensemble import RandomForestClassifierfrom numpy import genfromtxt, savetxtCPU = -1def mai
2017-08-09 15:54:49
359
转载 Markov Chain算法笔记
Markov Chain 体现的是状态空间的转换关系，下一个状态只决定与当前的状态(可以联想网页爬虫原理，根据当前页面的超链接访问下一个网页)。如下图： 这个状态图的转换关系可以用一个转换矩阵 T 来表示： 举一个例子，如果当前状态为 u(x) = (0.5, 0.2, 0.3), 那么下一个矩阵的状态就是 u(x)T = (0.18, 0.64, 0.18), 依照这个转换矩阵一直转换
2017-08-08 11:13:27
3457
原创 Keras源码分析之常用网络层
Dense层 Dense就是常用的全连接层 源码分析：model = Sequential()model.add(LSTM(4, input_shape=(1, look_back)))model.add(Dense(2213)) ## 2213是输出长度model.compile(loss='categorical_crossentropy', optimizer='adam')mo
2017-08-07 21:43:41
1274
原创 Keras中的多分类损失函数categorical_crossentropy
from keras.utils.np_utils import to_categorical注意：当使用categorical_crossentropy损失函数时，你的标签应为多类模式，例如如果你有10个类别，每一个样本的标签应该是一个10维的向量，该向量在对应有值的索引位置为1其余为0。可以使用这个方法进行转换：from keras.utils.np_utils import to_catego
2017-08-07 14:55:19
54733
3
C#线程间通信
2017-06-03
Probabilistic Matrix Factorization概率矩阵分解Python源代码
2017-01-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人