- 博客(40)
- 收藏
- 关注
RSS订阅原创 线性回归和逻辑回归对比学习-含代码和数据
通过这个具体的例子，我们可以看到线性回归在处理具有线性关系的连续数值预测问题时的有效性和适用性。根据房屋面积和价格的数据，我们可以训练一个线性回归模型，该模型试图找到面积和价格之间的线性关系。在这个例子中，我们将使用线性回归来预测房屋价格，这是线性回归常见的应用之一。我们的目标是根据房屋的面积来预测其售价。X = np.array([[50], [60], [70], [80], [90]]) # 房屋面积。在这个例子中，线性回归可能不是最佳选择，因为它可能预测超出0到1范围的值，这在概率中是无意义的。
2024-01-22 22:30:10
1048
原创 spyder可视化画图时运行报错： Warning ：Figures now render in the Plots pane by default. To make them also appear
Spyder 可视化报错
2024-01-22 22:11:52
959
原创 机器学习模型评估方法总结
以上是机器学习模型的常见评估方法和相应的代码示例。这些方法适用于不同类型的机器学习任务，包括分类、回归、聚类和时间序列分析。选择合适的评估指标对于理解和改进模型至关重要。机器学习模型的评估对于理解其性能和适用性至关重要。本问将介绍常见的机器学习模型评估方法，并提供代码和数据示例。准确度是最直观的分类性能指标，表示模型正确预测的比例。MSE是衡量回归模型平均误差平方的指标。混淆矩阵提供了分类模型性能的详细视图。轮廓系数衡量聚类的紧密程度和分离程度。R²衡量模型解释数据的能力。
2024-01-22 11:57:57
941
原创 机器学习代码示例3（含注释和部分数据）
y = np.random.randint(0, 2, 100) #二分类标签。y = np.random.randint(0, 2, 100) #二分类标签。X = np.random.rand(100, 10) #10个特征。X = np.random.rand(100, 10) #10个特征。X = np.random.rand(100, 10) #10个特征。Lasso回归通过添加L1正则化项来改进线性回归的算法。岭回归通过添加L2正则化项来改进线性回归的算法。#初始化弹性网络模型。
2024-01-22 10:39:33
913
原创 机器学习代码示例2（含数据和可视化）
除了前面提到的十种机器学习算法外，还有许多其他重要的算法。以下是一些额外的机器学习算法列表：1.支持向量回归 (Support Vector Regression, SVR)：与SVM类似，但用于回归问题。2.岭回归 (Ridge Regression)：一种通过添加L2正则化项来改进线性回归的算法。3.Lasso回归 (Lasso Regression)：与岭回归类似，但使用L1正则化。4.弹性网络 (Elastic Net)：结合了岭回归和Lasso回归的特点，使用L1和L2正则化。5.最小角
2024-01-22 10:15:01
924
原创 十种机器学习算法：代码示例和可视化
本文旨在提供十种常用机器学习算法的代码示例，使用Python的Scikit-Learn库，并展示简单的数据集，使代码可直接运行并跑出可视化结果。X = X[:, :2] # 为了可视化，仅使用前两个特征。X = X[:, :2] # 为了可视化，仅使用前两个特征。X = X[:, :2] # 为了可视化，仅使用前两个特征。X = X[:, :2] # 为了可视化，仅使用前两个特征。X = X[:, :2] # 为了可视化，仅使用前两个特征。决策树是一种常用于分类和回归的算法，易于理解和解释。
2024-01-22 10:00:58
1723
原创 解决常见 Python 报错：SciPy 和 NumPy 版本冲突
版本冲突在使用多个相互依赖的库时是很常见的问题。最近，在使用 SciPy 和 NumPy 这两个流行的 Python 包时，我遇到了一个版本兼容性的报错。这个警告提示我当前的 SciPy 版本需要一个 NumPy 版本在 1.16.5 到 1.23.0 之间，但检测到的 NumPy 版本是 1.26.2。在尝试解决这个问题之前，重要的是要确定你当前使用的 SciPy 和 NumPy 的版本。如果可能，最简单的解决方法是更新 SciPy 到最新版本，这样它可能支持更新的 NumPy 版本。
2024-01-22 09:33:36
4017
原创 解决 TensorFlow 1.15.4 版本兼容性和环境配置问题
我们将探讨在 TensorFlow 1.15.4 环境中遇到的典型问题，以及如何通过 Docker 来解决版本兼容性问题。我们还将讨论如何调试并解决 TensorFlow 代码中的错误。
2024-01-22 09:22:01
416
原创 PyTorch 和 TensorFlow 复现图神经网络（GNN）模型时，可能会遇到与 requirements.txt 和 train.py 文档相关的一些特定问题
在使用 PyTorch 和 TensorFlow 复现图神经网络（GNN）模型时，可能会遇到与 requirements.txt 和 train.py 文档相关的一些特定问题。问题描述：PyTorch 和 TensorFlow 有自己的依赖库，这些库的版本可能与 requirements.txt 中指定的版本冲突。问题描述：TensorFlow 1.x 到 2.x 或 PyTorch 版本间的 API 更改可能导致 train.py 中的代码不再有效。问题描述：不同的框架可能会在同一硬件上表现不同。
2024-01-21 00:33:11
428
原创 复现图神经网络（GNN）论文的过程以及PyTorch与TensorFlow对比学习
一、理解论文内容：首先彻底理解论文，包括其理论基础、模型架构、使用的数据集、实验设置和得到的结果。二、获取或准备数据集：根据论文中描述的实验，获取相应的数据集。如果论文中使用的是公开数据集，通常可以直接从互联网上下载；如果是私有数据集，可能需要自己收集或生成类似的数据。三、实现模型：使用合适的深度学习框架（如PyTorch、TensorFlow等）实现论文中的模型。注意实现细节，如层的类型、激活函数、损失函数等，确保与论文中描述一致。四、训练模型：使用准备好的数据集对模型进行训练。
2024-01-19 18:56:11
567
原创 GitHub 上如何提出 issue？
如果是错误报告，包括重现问题的步骤、期望的结果和实际结果，以及任何相关的错误信息或屏幕截图都很有帮助。在 GitHub 上提出 issue 是一个简单的过程，用于报告项目中的错误、讨论新功能或提出问题和建议。选择最适合你问题的模板，或者如果没有合适的模板，选择一个通用的 issue。标签：有时你可以添加标签来分类你的 issue（如 bug、feature request、question），但这通常由项目维护者管理。如果你的问题或建议是新的，点击 “New issue” 按钮开始创建。
2024-01-18 17:31:43
909
1
原创 复现github项目的基本步骤
查看 Issues：如果在复现过程中遇到问题，查看项目的 Issues 页面，看看是否有人遇到并解决了类似的问题。每个项目都是独特的，所以这些步骤可能需要根据项目的具体情况进行调整。始终参考项目文档是一个好习惯。检查文档：阅读项目的 README.md 文件，了解需要安装哪些依赖。遵循项目说明：根据 README.md 或其他文档中的说明运行项目。运行测试：如果项目包含测试，运行这些测试以确保一切正常。找到项目仓库：在 GitHub 上找到你想复现的项目。编译代码：如果项目需要编译，请执行相应的编译步骤。
2024-01-18 17:07:00
2016
5
原创 Pytorch学习 第4周：综合应用和实战项目 Day 25-27: 模型调优和优化
这些示例说明了 PyTorch 和 TensorFlow 中神经网络的基本结构，包括 dropout、批量归一化（PyTorch 示例）和 L2 正则化（TensorFlow 示例）。在这段时间里，我们将深入学习和实践如何通过高级技巧优化Pytorch和TensorFlow模型的性能。正则化对比: 分别在Pytorch和TensorFlow模型中应用L2正则化，分析其对模型训练和泛化能力的影响。批标准化实践: 在模型的各个层之后加入批标准化，观察训练速度和模型性能的变化。
2024-01-18 11:12:20
974
原创 第4周：Pytorch——综合应用和实战项目 Day 28-30: 学习资源和社区参与
第4周：综合应用和实战项目Day 28-30: 学习资源和社区参与在这个阶段，我们将探索更多的学习资源并鼓励参与PyTorch和TensorFlow的社区，以进一步提升技术和融入开发者社群。学习资源：论文：阅读最新的机器学习和深度学习论文，了解领域的最新进展。推荐资源包括arXiv、Google Scholar。博客和教程：关注行业知名博客和教程，如Towards Data Science, Medium, PyTorch官方博客, TensorFlow官方博客。在线课程：参加课程和专项课程，如Co
2024-01-18 10:02:39
994
原创 第4周：综合应用和实战项目 Day 25-27: 模型调优和优化学习高级技巧
正则化尝试：在优化器中添加不同水平的权重衰减（对于PyTorch）或在层中添加正则化（对于TensorFlow），观察对模型性能的影响。批标准化：使用torch.nn.BatchNorm1d或torch.nn.BatchNorm2d。修改模型：为您的图像分类或文本生成模型添加Dropout和批标准化层。Dropout：使用tf.keras.layers.Dropout。Dropout：在模型中加入torch.nn.Dropout层。批标准化：标准化层的输入，加快训练速度，提高模型稳定性。
2024-01-18 09:58:49
504
原创 Pytorch 和 TensorFlow 对比学习笔记,第4周：综合应用和实战项目 Day 21-24: 实战项目
第4周：综合应用和实战项目Day 21-24: 实战项目项目目标：开始一个小型项目，如图像分类、文本生成或其他您感兴趣的任务。应用到目前为止所学的知识。项目选择：**图像分类：**使用Pytorch或TensorFlow构建一个能够识别不同类别图像的模型。文本生成：创建一个文本生成模型，例如聊天机器人或者诗歌创作模型。**自选项目：**根据个人兴趣选择其他类型的项目，如语音识别、风格迁移等。实施步骤：确定项目主题：选择您感兴趣的领域和任务。数据准备：对于图像分类，收集并预处理图像数据集。对于
2024-01-18 09:50:02
914
原创 Pytorch和Tensoflow对比学习第三周--Day 19-20: 数据加载和预处理
)image = (image - 0.5) / 0.5 # 标准化。
2024-01-18 03:33:48
590
原创 Pytorch 对比TensorFlow 学习：Day 17-18: 循环神经网络（RNN）和LSTM
definitinit()# 初始隐藏状态和细胞状态# 前向传播return outinput_size = 10 # 输入数据的特征维度hidden_size = 20 # 隐藏层特征维度num_classes = 2 # 输出类别数TensorFlow代码示例LSTM(20, input_shape=(None, 10)), # 输入序列的长度任意，特征维度为10Dense(2, activation=‘softmax’) # 假设是二分类问题。
2024-01-18 03:23:14
572
原创 Pytorch 与 Tensorflow对比学习 第3周：进阶主题 Day 15-16: 卷积神经网络（CNN）
definit(self):init()self.fc = nn.Linear(32 * 14 * 14, 10) # 假设输入图像大小为28x28x = x.view(-1, 32 * 14 * 14) # 展平操作return xTensorFlow实现在TensorFlow中，我们将使用Keras API来构建相似的CNN结构。这个例子同样包含卷积层、ReLU激活函数、池化层和一个全连接层。
2024-01-18 03:13:12
1164
原创 Pytorch学习 第二周 Day 14: 模型评估和调试
model = … # 省略模型定义和训练的代码model = … # 省略模型定义和训练的代码。
2024-01-18 03:03:08
367
原创 Pytorch学习第二周--Day 12-13: 构建你的第一个神经网络
definit(self):init()self.fc1 = nn.Linear(784, 128) # 假设输入是28x28图像，展平后的大小为784self.fc2 = nn.Linear(128, 10) # 假设有10个类别return xTensorFlow代码示例Dense(128, activation=‘relu’, input_shape=(784,)), # 假设输入是28x28图像，展平后的大小为784。
2024-01-18 02:57:57
659
原创 Pytorch学习 第二周Day 10-11: 损失函数和优化器
definit(self):init()self.fc1 = nn.Linear(784, 128) # 假设输入是28x28图像，展平后的大小为784self.fc2 = nn.Linear(128, 10) # 假设有10个类别return xDense(128, activation=‘relu’, input_shape=(784,)), # 假设输入是28x28图像，展平后的大小为784。
2024-01-18 02:53:47
920
原创 Pytorch第2周：深度学习基础 - Day 8-9: 神经网络基础
理解神经网络的基础概念。学习如何使用PyTorch的nn模块构建神经网络。神经网络基础概念：神经元：构成神经网络的基本单元，模拟生物神经元的功能。层：神经网络的构建块，包括输入层、隐藏层和输出层。激活函数：引入非线性因素，使网络能够学习复杂的模式，如ReLU、Sigmoid、Tanh等。使用PyTorch的nn模块：torch.nn模块是PyTorch中构建神经网络的核心库。学习如何定义一个简单的神经网络，包括层的堆叠和激活函数的应用。代码示例：构建一个简单的神经网络。
2024-01-18 02:16:31
433
原创 **PyTorch月学习计划 - 第一周；第6-7天: 自动梯度（Autograd）**
掌握自动微分的基本原理，特别是在深度学习中的应用。学会如何在PyTorch中使用autograd模块进行自动梯度计算。自动微分和计算图的概念自动微分：自动微分是深度学习中用于自动计算导数或梯度的技术。在神经网络训练中，它用于计算损失函数相对于模型参数的梯度。计算图：计算图是表示数学表达式的图形方法，其中节点表示数学运算，边表示运算间的数据流。在PyTorch中，计算图用于追踪和计算梯度。PyTorch的autograd模块自动处理张量的所有梯度计算。
2024-01-17 23:40:46
791
1
原创 机器学习Python7天入门计划
学习目标：一周掌握机器学习入门知识例如：[x]学习内容：提示：这里可以添加要学的内容例如：搭建 Java 开发环境掌握 Java 基本语法掌握条件语句掌握循环语句学习时间：提示：这里可以添加计划学习的时间例如：周一至周五晚上 7 点—晚上9点周六上午 9 点-上午 11 点周日下午 3 点-下午 6 点学习产出：提示：这里统计学习计划的总量例如： 技术笔记 2 遍 CSDN 技术博客 3 篇 习的 vlog 视频 1 个...
2024-01-17 23:17:07
327
原创 机器学习Python7天入门计划--第一天-机器学习基础-讲人话
学习目标：一周内机器学习入门（Python）学习内容：（纯干货-讲人话）机器学习基础机器学习回归算法集合模型分类模型的构建与评估舆情分析聚类模型与推荐系统计算机视觉及图像预处理第一天：什么是机器学习为什么要学习机器学习机器学习需要解决的问题机器学习的种类机器学习的一般过程机器学习的典型应用数据样本矩阵数据样本移除范围缩放二值化数据预处理归一化独热编码标签编码线性回归所谓线性回归，即是使用线性数学模型解决生活中回归预测问题。即找到一个最优秀的线性模型y
2024-01-17 23:12:07
585
原创 PyTorch月学习计划
确保你对Python语言有足够的理解，特别是类、函数、列表、字典、数组等基本概念。安装PyTorch。学习不同的损失函数（如交叉熵损失）和优化器（如SGD, Adam）。学习张量的基本操作，这是PyTorch中最重要的数据结构。参与PyTorch社区，如论坛、GitHub、社交媒体等。学习高级技巧，如正则化、dropout、批标准化等。通过实例练习，如创建张量、索引、切片、张量运算等。了解神经网络的基本概念，如神经元、层、激活函数等。学习CNN的基础，理解卷积层和池化层的工作原理。
2024-01-17 22:36:51
359
原创 Git 菜鸟入门笔记 三
Git的核心概念包括仓库（repository）、分支（branch）、提交（commit）和合并（merge）。合并是将一个分支的更改引入另一个分支的过程。Git是一种广泛使用的版本控制系统，它帮助开发者高效地管理和跟踪代码的变更。随着不断的练习，您会逐渐熟悉Git的更多高级功能。git commit -m “[commit message]”：提交更改到仓库，每个提交都需附带信息。git init：在当前目录下初始化一个新的Git仓库。git push：将本地仓库的更改推送到远程仓库。
2024-01-16 00:51:53
358
原创 Git和Git_hub 菜鸟入门级笔记二
把暂存区的文件提交到仓库：git commit -m “提交信息”以当前分支为基础新建分支：git checkout -b。查看提交的历史记录：git log --stat。单纯地切换到某个分支：git checkout。推送当前分支最新的提交到远程：git push。拉取远程分支最新的提交到本地：git pull。克隆仓库：git clone 删掉特定的分支：git branch -D。添加文件到暂存区：git add -A。列举所有的分支：git branch。
2024-01-10 10:24:09
377
原创 Baidu翻译内容获取 selenium初阶使用
#导入模块from selenium import webdriverfrom selenium.webdriver.common.keys import Keysfrom selenium.webdriver.common.by import Byimport timedriver = webdriver.Chrome()#对象实例化，同时测试Chromedriver.exe的版本和操作是否正确driver.get(“https://fanyi.baidu.com/?aldtype=16047
2022-06-08 13:02:16
577
原创 Python常用英文单词-温故而知新
Python常用英文单词一、交互式环境与print输出1、print：打印/输出2、coding：编码3、syntax：语法4、error：错误5、invalid：无效6、identifier：名称/标识符7、character ：字符二、字符串的操作1、user：用户2、name：姓名/名称3、attribute：字段/属性4、value：值5、key：键三、重复/转换/替...
2020-03-11 00:06:21
340
原创 Mac下安装配置Python2和Python3并相互切换使用（其它版本间的切换同理）
Mac下安装配置Python2和Python3并相互切换使用 mac os 以前没有使用过，这次使用了一把，的确还是比较不顺手的，估计从今以后，就要把平台逐渐切换到mac了。今后好的文章，专门会开一个macos专栏，专门记录macos的使用过程中的心得，体会，以及遇到的一些问题总结。一般是python2默认安装了，python3没有安装，这时候一般使用命令：brew install pyth...
2020-02-22 17:59:26
549
原创 自动调用Python Api进行情感测试
-- coding: utf-8 --“”"Created on Mon Oct 22 17:47:24 2018@author: Python_test“”"import requestsimport pandas as pdimport jieba#import pkuseg#seg = pkuseg.pkuseg() #读取需要处理的excel档f2 = pd.read...
2019-12-11 16:23:00
211
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