- 博客(33)
- 资源 (2)
- 收藏
- 关注
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
1316
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
2659
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
2439
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
986
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
3501
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
3838
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
2143
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
3055
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
67
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
78
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
1556
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
1075
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
1200
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
799
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
400
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
752
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
76
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
2118
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
4172
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
192
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
45
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
742
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
95
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
95
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
220
2
原创 2021-07-15
DataWhale集成学习Task02 回归问题作业:波士顿房价的预测问题1.使用sklearn的线性回归模型import numpy as npimport matplotlib.pyplot as pltimport pandas as pdimport seaborn as snsfrom sklearn.datasets import load_bostonfrom sklearn.model_selection import train_test_splitfrom sklea
2021-07-15 22:44:07
53
原创 2021-07-13
DataWhale集成学习Task01 数学基础学习内容高等数学多元函数极值线性代数概率论数理统计随机过程作业问题1 代码问题2代码资料链接:B站视频 萌弟https://www.bilibili.com/video/BV1oQ4y1X7epGithub https://github.com/datawhalechina/ensemble-learning学习内容高等数学多元函数极值线性代数概率论数理统计随机过程作业(1)绘制Rosenbrock函数,讨论参数对函数图像的影响(
2021-07-13 21:59:50
194
原创 常用软件
1.图像分析软件 Image-Pro-plus安装包:提取码:77pr来源:知乎分享 https://zhuanlan.zhihu.com/p/65172560使用文档:手把手教你使用image pro plus百度文库2.文档阅读软件 BookxNote安装包:文档:Bandicam_v4.5.4.1624.zip链接:http://note.youdao.com/noteshare?id=3ac51458bd4c82082457891b3006ce953.电脑录屏软件 Bandicam安
2020-07-23 19:48:45
481
原创 OpenCv-Python 目标跟踪
一 、参考资料文档OpenCV官方教程中文版(For Python)段力辉 译 (2014)博客camshift原理解析 鲸失https://blog.csdn.net/wolflikeinnocence/article/details/89762848卡尔曼滤波器和连续自适应漂移组合进行目标跟踪:kalman+camshifthttps://blog.csdn.net/mago2015/article/details/81566298二、camshift原理解析1.运行程序,出现s
2020-07-23 19:20:27
765
原创 图像处理汇总
图像处理快速入门1.Matlab图像处理常用函数2.Python+OpenCv图像处理抠图(Matting)一、算法研究:Alpha Matting Evaluation二、处理工具:1.Removebg-图片背景消除网站:removebg2.win10画图3D的神奇选择(GrabCut算法)3.简易的阈值处理:def im2bw(img): blur = cv2.GaussianBlur(img, (5, 5), 0) #高斯滤波 # 全局OTSU阈值 (thresh, th1)
2020-07-10 16:37:55
173
原创 Matlab2017a_Figure编辑
Matlab2017a_Figure编辑1.两张图片中曲线的合并在你需要复制的地方,点击figure中的鼠标箭头(编辑绘图),选中曲线,鼠标右键复制,同样在粘贴的地方选中编辑绘图选项,粘贴进去就可以了。...
2020-04-11 11:25:48
1921
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人