Pre.Real-CSDN博客

原创 C++ for循环中的return

在一个函数体中的for循环里面return一个变量，需要在for循环外面（函数体最后）return{}在LeetCode编辑器中只在for循环里面return一个变量，运行代码，编译不过。在vs2015中只在for循环里面return一个变量，可以编译通过；...

2022-08-07 12:46:56 1288 1

原创 VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences

VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences(which is a list-or-tuple of lists-or-tuples-or ndarrays with differentlengths or shapes) is deprecated. If you meant to do this, you must specify ‘dtype=object’when creating th.

2022-02-22 14:25:26 2619 1

原创 opencv4.5.5 MinGW编译

下载地址https://opencv.org/releases/选择Sources解压到桌面1.在opencv-4.5.5的目录下新建文件夹sources,拖入所有文件放入，再新建文件夹build-mingw2.打开cmake-gui,选择源码和build路径3.点击Configure按钮，下拉框中选择【MinGW Makefiles】，单选按钮选择【Specify native compiler】4.点击Next按钮，选择gcc，g++位置5.点击Finish，如果报错先忽略6.点

2022-02-14 17:35:02 2427

原创时间序列的可解释性

时间序列的可解释性Chen Y, Huang S. TSExplain: Surfacing Evolving Explanations for Time Series[C]//Proceedings of the 2021 International Conference on Management of Data. 2021: 2686-2690.AbstractUnderstanding the underlying explanations for what has happened i

2022-02-12 16:16:06 968

原创天空分割和去雾

天空分割和去雾天空区域分割步骤[1]：（1）图像I(x)由RGB转入HSV颜色空间，提取分量V，并进行归一化（2）计算归一化V的众数M,以μ=pM为阈值，0<p<1,对图像进行二值化（3）找到最大连通区域的边界进行填充天空区域分割[3]:(1)均值漂移分割(2)形态学处理(3)限制对比度直方图均衡算法（CLAHE)客观评价指标[1]：饱和像素点占比、可见边增加率、平均梯度和平均运算时间参考文献[1]杨燕,武旭栋,杜康.结合天空区域分割和加权融合的图像去雾算法[J].激

2022-02-08 14:56:42 3469

原创图片(矩阵)相似度计算

计算图片相似度均方误差、SSIM 结构相似性度量、cosine余弦距离、直方图、互信息、指纹import numpy as npimport matplotlib.pyplot as pltfrom skimage import data, img_as_floatfrom skimage.metrics import structural_similarity as ssimfrom skimage.metrics import mean_squared_errorimg = img_

2022-01-24 16:34:51 3810

原创三次异或交换数值

三次异或交换两数

2022-01-15 14:41:35 435

原创 KL散度，互信息和JSD

KL散度，互信息和JSD

2022-01-11 19:50:27 799

原创 opencv-python 判断多边形的边数

输入输出 10import cv2 import numpy as nppath, filename = 'C:\\Users\\', 'ed.png'img = cv2.imread(path+filename)#预处理转灰度图gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#阈值ret,thresh1 = cv2.threshold(gray ,127,255,cv2.THRESH_BINARY)# _ ,thresh1 = cv2.th

2022-01-11 18:59:06 2111

原创 python 单张图像分块

import osfrom random import shuffleimport numpy as npdef image2patch(image, patch_size=(10, 10), step_size=None, mask_percent=0, random_mask=True): m, n = patch_size if len(image.shape) == 2: C = 1 H, W = image.shape im

2022-01-08 16:13:05 3032

原创 mnist demo

import torchfrom torch import nnfrom torch.utils.data import DataLoaderfrom torchvision import datasetsfrom torchvision.transforms import ToTensor, Lambda, Composeimport matplotlib.pyplot as plt# Download training data from open datasets.training_d

2021-12-11 13:30:32 58

转载解决VS Code使用code runner开发Python乱码问题

参考链接：https://www.cnblogs.com/zhaoshizi/p/9050768.html

2021-12-10 20:50:50 72

原创时序数据表征学习

time2vec 时序数据的表征学习方法（二）——time2vec - 知乎 (zhihu.com)papercodesignal2vec 时序数据的表征学习方法（三）——signal2vec，基于连续数据的word2vec嵌入 - 知乎 (zhihu.com)papercode

2021-12-10 20:10:58 1527

原创 ccdc会议

CCDC可登录http://ieeexplore.ieee.org/进行查询CCDC2021 电子论文集CCDC2020 电子论文集

2021-12-03 20:50:53 1063

原创 tensorflow矩阵初始化

tf.ones(shape, dtype=dtypes.float32, name=None)tf.zeros(shape, dtype=dtypes.float32, name=None)tf.ones_like(tensor, dtype=None, name=None, optimize=True)tf.zeros_like(tensor, dtype=None, name=None, optimize=True)tf.fill(dims, value, name=None)tf.const

2021-12-03 20:06:55 1180

原创迁移学习诊断

J. Zhu, N. Chen and C. Shen, “A New Deep Transfer Learning Method for Bearing Fault Diagnosis Under Different Working Conditions,” in IEEE Sensors Journal, vol. 20, no. 15, pp. 8394-8402, 1 Aug.1, 2020, doi: 10.1109/JSEN.2019.2936932https://ieeexplore..

2021-12-01 16:09:36 786

翻译 keras超参优化

1.keras-hypetunepip安装pip install --upgrade keras-hypetune使用示例定义一个MLP模型def get_model(param): model = Sequential() model.add(Dense(param['unit_1'], activation=param['activ'])) model.add(Dense(param['unit_2'], activation=param['acti

2021-11-30 16:07:15 393

原创 sktime

1.sktime[repo] https://github.com/alan-turing-institute/sktime[doc] https://www.sktime.org/en/stable/安装sktimepip install sktime查看内置数据集load_airline()load_arrow_head([split, return_X_y])load_gunpoint([split, return_X_y])load_osuleaf([split, retu

2021-11-07 15:03:04 735

原创 2021 年 Python 网络框架

No.9 Blacksheep GithubNo.8 Tornado GithubNo.7 Pyramid GithubNo.6 Django GithubNo.5 Jam.py GithubNo.4 Dash GithubNo.3 Flask GithubNo.2 FastAPI GithubNo.1 Emmett Github

2021-08-25 23:08:15 70

翻译数据科学家必须知道的5个Python回归模块

0.介绍回归是统计建模、数据科学和机器学习中的一个非常重要的概念，它通过使用特定的数学公式帮助建立自变量（或预测变量） x 与因变量（或简单输出）y( x ) 之间的可能关系最小化标准。有几种类型的回归用于不同的情况，最常见的一种是线性回归。其他类型的回归包括逻辑回归、非线性回归等。在 Python 中，有几个库和相应的模块可用于根据遇到的特定问题及其复杂性来执行回归。在本文中，我将总结 Python 中可用于执行回归的五个最重要的模块和库，并将讨论它们的一些局限性。在这里，我假设读者了解 Pyth

2021-08-25 22:55:28 2085

原创 Learn PYTHON the HARD WAY

翻译：如何学习任何编程语言我将教你如何学习大多数你将来可能想学习的编程语言。本书的组织基于我和许多其他程序员如何学习新语言。这是我通常遵循的流程：获取一本书或一些关于该语言的介绍性文本。通读本书并输入所有代码，使其运行。在编写代码的同时阅读本书并做笔记。使用该语言用另一种语言实现一小组您熟悉的程序。阅读其他人的语言代码，并尝试复制他们的模式。在这本书中，我强迫你非常缓慢地、小块地完成这个过程。其他书籍的组织方式不同，这意味着您必须根据我让您这样做的方式推断其内容的组织方式。最好的方法是轻

2021-08-25 22:23:35 4050

原创 2021-07-29

DataWhale集成学习Task07 Stacking参考文献https://zhuanlan.zhihu.com/p/42229791https://www.pianshen.com/article/307957549/用一个基础模型进行5折交叉验证，如：用XGBoost作为基础模型Model1，5折交叉验证就是先拿出四折作为training data，另外一折作为testing data。注意：在stacking中此部分数据会用到整个traing set。如：假设我们整个training

2021-07-29 01:41:32 183

原创 2021-07-25

DataWhale集成学习Task06 Boostingbagging与bootingbagging基于boostrap法获得多个不同的数据集，利用投票法对基模型在不同数据集中拟合得到的结果进行集成，通过降低方差来降低泛化误差。 boosting利用加法模型对原始数据集：一类是不断拟合新模型，并依据上一次拟合的loss更新样本权重，根据cost更新模型权重；另一类是不断用新的基模型拟合上一个模型的残差。通过降低偏差来降低泛化误差GBDTGBDT(Gradient Boosting Decisio

2021-07-26 01:20:33 40

原创 windows子系统(WSL)root或者普通用户密码忘记，如何修改？

windows子系统(WSL)root或者普通用户密码忘记，如何修改？一、以管理员权限启动PowerShell，输入lxrun /setdefaultuser root，打开WSL，输入passwd root修改密码。二、打开CMD或PowerShell，输入ubuntu config --default-user root，修改ubuntu系统默认用户为root，再打开bash输入passwd root修改密码。...

2021-07-23 18:32:58 713

原创 2021-07-22

DataWhale集成学习Task05 BaggingBagging的弱学习器之间的确没有boosting那样的联系。它的特点在“随机采样”。随机采样(bootsrap)就是从我们的训练集里面采集固定个数的样本，但是每采集一个样本后，都将样本放回。也就是说，之前采集到的样本在放回后有可能继续被采集到。bagging对于弱学习器没有限制，这和Adaboost一样。但是最常用的一般也是决策树和神经网络。bagging的集合策略也比较简单，对于分类问题，通常使用简单投票法，得到最多票数的类别或者

2021-07-23 00:26:02 88

原创 2021-07-20

DataWhale集成学习Task04 分类分类与回归分类模型的输出值是离散的回归模型的输出值是连续的想要什么类型的输出：优秀，良好，中等，及格，不及格是分类输出具体的分数是回归输出分类与聚类监督学习（知道答案标签）：分类无监督学习（没有标签）：聚类Logistic 回归(常用于二分类）sigmoid函数鸢尾花分类示例代码（数据集有3类）http://datawhale.club/t/topic/2762import numpy as npfrom sklearn i

2021-07-20 22:39:59 75

原创 2021-07-18

DataWhale集成学习Task03 模型优化基础偏差与方差在机器学习中，我们用训练数据集去训练（学习）一个model（模型），通常的做法是定义一个Loss function（误差函数），通过将这个Loss（或者叫error）的最小化过程，来提高模型的性能（performance）。然而我们学习一个模型的目的是为了解决实际的问题（或者说是训练数据集这个领域（field）中的一般化问题），单纯地将训练数据集的loss最小化，并不能保证在解决更一般的问题时模型仍然是最优，甚至不能保证模型是可用的。这个训练

2021-07-18 23:20:03 172 2

weixin_43691167的博客