- 博客(6)
- 收藏
- 关注
RSS订阅转载 去量纲、数据归一化
1、去量纲指是去除数据单位之间的不统一，将数据统一变换为无单位（统一单位）的数据集，也可以作为指标的权重，进行后续的加权计算。2、数据归一化数据分标准化是将数据按比例缩放，使之落入一个小的特定区间，在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。A、对一维数据的缩放有如下定义：0-1归一化（nor...
2020-04-18 09:01:14
6810
1
转载 【python】Keras、Tensorflow 如何切换 GPU 和 CPU（强制使用CPU）
在代码的开头，所有 import 之前，加入下面两行代码：import osos.environ["CUDA_VISIBLE_DEVICES"] = "-1" # 这一行注释掉就是使用cpu，不注释就是使用gpu。一般情况下，运行tensorflow时，默认会占用可以看见的所有GPU，那么就会导致其它用户或程序无GPU可用，那么就需要限制程序对GPU的占用。并且，一般我们的程序也用不了...
2020-04-18 08:43:40
5521
原创 机器学习中离散量和连续量共同编码及不同量纲的影响
离散量使用onehot编码，变成全是0和1的值。这时候离散量和连续量的量纲不统一。量纲不统一会导致模型收敛速度变慢，对学习率比较敏感，甚至不收敛，因此如果量纲信息不重要，最好统一量纲，将连续量映射到0-1。个人理解，有错误欢迎指出。...
2020-04-17 20:20:32
551
原创 两个矩阵有值的点的叠加
# 合成整体图像 layer_sum = np.zeros((100, 100, 3), dtype="bool") layer_sum_255 = np.zeros((100, 100, 3), dtype="bool") # 与原矩阵进行或运算 for obj_id in obj_id_list: ...
2020-04-11 16:25:15
310
转载 onehot编码的意义
处理离散型特征和连续型特征并存的情况，如何做归一化。参考博客进行了总结：https://www.quora.com/What-are-good-ways-to-handle-discrete-and-continuous-inputs-together总结如下：1、拿到获取的原始特征，必须对每一特征分别进行归一化，比如，特征A的取值范围是[-1000,1000]，特征B的取值范围是[-1,...
2020-04-11 10:00:02
344
转载 python numpy 数据类型转换
python numpy 数据类型转换numpy数据类型转换需要调用方法astype()，不能直接修改dtype。调用astype返回数据类型修改后的数据，但是源数据的类型不会变，需要进一步对源数据的赋值操作才能改变。例如>>> a=np.array([1.1, 1.2])>>> a.dtypedtype('float64')>>&g...
2020-04-11 06:59:52
909
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人