funk_gg-CSDN博客

原创 python的关于类的说明

1.类：物以类聚人以群分，类是一堆函数的集合，可以实例化出对象的模具。2.实例化：对象=类（）例如：T=类。函数（），T就是一个实例化3.对象：是类实例化后的实体，对象实实在在存在，完成具体工作4.面向对象：程序员反复修改优化类，类实例化出对象，对象调用类里的函数执行具体的操作。具体例子：人类黄种人=人类（）张三=人类。黄种人（）黄种人是实例化的对象...

2020-03-14 20:54:46 323

原创查找文件夹下面的所有xls文件/解决'NoneType' object has no attribute 'group' 问题

首先预习和复习re正则化的知识，然后再使用替换各种符号。list1=os.listdir(r’E:\项目信息\15fen’)print(list1)输出：[‘15fen.rar’, ‘2018-08-15 13时39分48秒报表.xls’, ‘2018-08-15 13时40分15秒报表.xls’, ‘2018-08-15 13时40分28秒报表.xls’, ‘2018-08-15 13时...

2019-12-27 15:50:57 207

原创打开文件方式

第一种直接使用数据for txt in open(‘D:/datada/list_mulu.txt’,‘r’):print（txt）输出的结果是所有数据，格式与原数据保持不变，直接原样输出，内容如下：D:/datada\boston.csvD:/datada\路劲.txtD:/datada\eee.txtD:/datada\aaa.txtD:/datada\list_mulu.tx...

2019-12-24 18:21:27 191

原创汉字语料正则化

import refrom string import digits, punctuationrule = re.compile(r’[^a-zA-Z.,;《》？！“”‘’@#￥%…&×（）——+【】{};；●，。&～、|\s:：’ + digits + punctuation +’\u4e00-\u9fa5]+’)#匹配只有这些内容的数据text5= re.sub(rule...

2019-12-19 12:57:00 314

原创 python中字典的排序

排序一. 或者直接使用list的reverse方法将sorted_x顺序反转sorted_x.reverse()二.更为常用的方法是,用lambda表达式cc={0:2,3:5,1:6,8:7,7:6}sorted_x1 = sorted(cc.items(), key=lambda cc:cc[0],reverse=True)print(sorted_x1)[(8, 7), (7,...

2019-12-11 12:13:25 107

（一）Adaboost算法的模型是一个弱学习器线性组合，特点是通过迭代，每一轮学习一个弱学习器，在每次迭代中，提高那些被前一轮分类器错误分类的数据的权值，降低正确分类的数据的权值。最后，将弱分类器的线性组合作为强分类器，给分类误差小的基本分类器大的权值。每一次迭代都可以减少在训练集上的分类误差率。当然，就如每一个算法都有自己的优缺点一样，AdaBoost 也有自身的缺点。AdaBoost 算法只...

2019-12-09 16:09:02 198

原创 model.fit不支持ndarry：Failed to convert a NumPy array to a Tensor (Unsupported object type float).

model.fit(X_train,y_train,epochs=100,batch_size=64,verbose=1,shuffle=True,validation_split=0.1)Can not convert a ndarray into a Tensor or Operation.实现的代码如上，报错Failed to convert a NumPy array to a Te...

2019-11-06 17:47:05 21941 14

转载初始化方法，防止梯度消失和爆炸

初始化方法初始化方法定义了对Keras层设置初始化权重的方法不同的层可能使用不同的关键字来传递初始化方法，一般来说指定初始化方法的关键字是kernel_initializer 和 bias_initializer，例如：model.add(Dense(64,kernel_initializer=‘random_uniform’,bias_initializer=‘zeros’))一个初...

2019-11-06 09:17:57 757

原创深度学习过拟合，找了些时间，这个写的有点见解

在训练数据不够多时，或者overtraining时，常常会导致overfitting（过拟合）。其直观的表现如下图所示，随着训练过程的进行，模型复杂度增加，在training data上的error渐渐减小，但是在验证集上的error却反而渐渐增大——因为训练出来的网络过拟合了训练集，对训练集外的数据却不work。避免过拟合的方法有很多：early stopping、数据集扩增（Data aug...

2019-11-06 09:16:27 202

原创 XGBOOST回归用法和官方参数解释

XGBoost Parameters本文连接官网地址：https://xgboost.readthedocs.io/en/latest/parameter.htmlBefore running XGBoost, we must set three types of parameters: general parameters, booster parameters and task param...

2019-10-24 19:02:24 6765

转载梯度剪裁

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。本文链接：https://blog.csdn.net/wenqiwenqi123/article/details/80705925在深层的神经网络中，经常碰到梯度消失或者梯度爆炸问题。我先讲一下原理，在求导的时候因为是链式法则，哪怕所有层的导数都很接近1，比如0.9，那么在20层之后0.9的...

2019-10-24 18:51:53 587

weixin_44473755的博客