自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(22)
  • 收藏
  • 关注

原创 JoyRL阅读笔记-3-Scalable trust-region method for deep reinforcement learning using Kronecker-factored

可扩展的TRPO

2022-11-14 17:05:07 768 1

原创 JoyRL阅读笔记-2-Trust Region Policy Optimization

深度强化学习TRPO算法

2022-11-05 22:03:45 503

原创 JoyRL文献笔记-1-Playing Atari with Deep Reinforcement Learning

DRL系列论文精读笔记

2022-11-01 16:02:01 1064

原创 数据分析05:数据建模及模型评估

3 模型搭建和评估–建模本章要做的是运用数据以及结合业务来得到某些需要知道的结果。分析的第一步是建模,搭建一个预测模型或者其他模型;得到模型的结果之后,要分析建立的模型是不是足够的可靠,接下来需要评估这个模型。我们拥有泰坦尼克号的数据集,则本章的目的是完成泰坦尼克号存活预测这个任务。...

2021-08-25 20:46:19 1583

原创 数据分析04:数据可视化

复习:回顾学习完第一章,我们对泰坦尼克号数据有了基本的了解,也学到了一些基本的统计方法,第二章中我们学习了数据的清理和重构,使得数据更加的易于理解;今天我们要学习的是第二章第三节:数据可视化,主要给大家介绍一下Python数据可视化库Matplotlib,在打比赛的过程中,数据可视化可以让我们更好的看到每一个关键步骤的结果如何,可以用来优化方案,是一个很有用的技巧。2 第二章:数据可视化开始之前,导入numpy、pandas以及matplotlib包和数据# 加载所需的库# 如果出现 ModuleN

2021-08-23 22:06:56 225

原创 数据分析03:数据重构

2 第二章:数据清洗及特征处理我们拿到的数据通常是不干净的,所谓的不干净,就是数据中有缺失值,有一些异常点等,需要经过一定的处理才能继续做后面的分析或建模,所以拿到数据的第一步是进行数据清洗,本章我们将学习缺失值、重复值、字符串和数据转换等操作,将数据清洗成可以分析或建模的样子。开始之前,导入numpy、pandas包和数据import numpy as npimport pandas as pd#加载数据train.csvdf = pd.read_csv("train.csv")df.h

2021-08-21 17:10:50 215

原创 数据分析02:数据清洗及特征处理

2 第二章:数据清洗及特征处理我们拿到的数据通常是不干净的,所谓的不干净,就是数据中有缺失值,有一些异常点等,需要经过一定的处理才能继续做后面的分析或建模,所以拿到数据的第一步是进行数据清洗,本章我们将学习缺失值、重复值、字符串和数据转换等操作,将数据清洗成可以分析或建模的样子。2.1 缺失值观察与处理¶2.1.1 任务一:缺失值观察使用df.info()可以获得数据的索引,数据类型和内存信息df.info()使用.isnull()函数可以观察缺失值df.isnull()使用,sum()

2021-08-19 22:33:22 285

原创 数据分析01:数据加载及探索性数据分析

用途pandas.cut用来把一组数据分割成离散的区间。比如有一组年龄数据,可以使用pandas.cut将年龄数据分割成不同的年龄段并打上标签。原型pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates=‘raise’) #0.23.4参数含义x:被切分的类数组(array-like)数据,必须是1维的(不能用DataFrame);bins:

2021-08-17 22:25:32 430

原创 李宏毅《机器学习》任务六

总结01-机器学习介绍介绍机器学习的概念,监督学习,无监督学习,迁移学习,强化学习等概念02-回归介绍回归的概念,应用,线性回归,利用损失函数进行模型评估,使用梯度下降法拟合模型03-误差和梯度下降介绍偏差与方差,欠拟合与过拟合,交叉验证方法,梯度下降优化(学习率调节,随机梯度下降法,特征缩放等)04-深度学习反向传播机制介绍神经网络的构建,模型的评估,优化函数选择,梯度下降反向传播机制05-网络设计技巧介绍局部最小值与鞍点、批次与动量、自动调整学习率等06-卷积神经网络介绍CNN的

2021-07-25 22:24:49 259

原创 李宏毅《机器学习》任务六

Task06开始啦:Task06:参照开源文档,观看视频 P21:卷积神经网络(3天) 截止时间 07月25日03:00开源文档:https://datawhalechina.github.io/leeml-notes视频地址:https://www.bilibili.com/video/BV1Ht411g7Ef讲真,我总结的不如网上有才的同学总结得好,直接附上我认为比较好的笔记链接吧李宏毅《机器学习》-卷积神经网络笔记...

2021-07-24 21:46:30 251

原创 李宏毅《机器学习》任务五

Task05开始啦:Task05:观看 2021版视频 视频 P5-9:网络设计的技巧(2天)截止时间 07月22日03:00开源文档:https://datawhalechina.github.io/leeml-notes视频地址:https://www.bilibili.com/video/BV11K4y1S7AD?p=5(一)局部最小值与鞍点gradient为零的点统称为critical point局部最小值:local minima鞍点:saddle pointloss没办法在下降也

2021-07-22 00:03:24 508 2

原创 李宏毅《机器学习》任务四

Task03开始啦:Task03:参照开源文档,观看视频 P5-8:误差和梯度下降(2天) 截止时间 07月17日03:00开源文档:https://datawhalechina.github.io/leeml-notes视频地址:https://www.bilibili.com/video/BV1Ht411g7Ef

2021-07-18 17:10:22 89

原创 李宏毅《机器学习》任务三

Task03开始啦:Task03:参照开源文档,观看视频 P5-8:误差和梯度下降(2天) 截止时间 07月17日03:00开源文档:https://datawhalechina.github.io/leeml-notes视频地址:https://www.bilibili.com/video/BV1Ht411g7Ef1 误差从哪里来误差的来源:bias和variance。(二者的区别和联系,查看 机器学习中的Bias(偏差),Error(误差),和Variance(方差)有什么区别和联系?)估测

2021-07-15 10:04:32 107

原创 李宏毅《机器学习》任务二

Task02开始啦:参照开源文档,观看视频 P3-4:回归(2天)开源文档:https://datawhalechina.github.io/leeml-notesP3视频:https://www.bilibili.com/video/BV1Ht411g7Ef?p=3P4视频:https://www.bilibili.com/video/BV1Ht411g7Ef?p=4回归1 定义 Regression 就是找到一个函数 functionfunction ,通过输入特征 xx,输出一个数

2021-07-14 22:47:02 101

原创 李宏毅《机器学习》任务一

Task01:参照开源文档,观看视频 P1-2:机器学习介绍(1天)。视频地址:https://www.bilibili.com/video/av5953826601-机器学习介绍02-为什么要学习机器学习一、概述人工智能;我们要达成的目标机器学习:达成目标的手段深度学习:机器学习的一种方法人工智能的思想线索:生物本能——让机器具有本能——人设定规则——if规则(许多if规则)——缺点:无法超越人类智慧AI的目的是让机器有自己学习的能力,这就是机器学习的方向。Maching Lear

2021-07-12 22:55:23 98

原创 Win10上配置Paddle的PARL运行环境

安装是根据B站百度强化学习视频中的方法,在Windows10环境上配置PARL,由于版本不匹配问题掉过坑,耽误了些时间,在此记录下,避免后续入坑。配置过程中从CSDN上也找到了一些有参考意义的文章,一并记录,方便学习。Windows下的Conda安装一、环境准备在已经正确安装Anaconda的情况下按照下列步骤安装PaddlePaddle。Windows10 专业版/企业版 (64bit)显卡NVIDIA GeForce GT 740M(笔记本电脑单卡)GPU版本8.0.0,不用GPU,只用C

2021-03-21 18:20:00 1408 3

原创 时间序列实践(天池大赛)之一

任务一:比赛全流程体验一、学习如何使用Docker提交代码及比赛上分。1.了解docker2.安装配置docker二、记录比赛中遇到的问题1.从阿里镜像源安装docker总结一、学习如何使用Docker提交代码及比赛上分。1.了解docker2.安装配置docker二、记录比赛中遇到的问题记录比赛中遇到的问题,并在学习笔记中插入初始分数截图。1.从阿里镜像源安装docker总结例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数

2021-02-18 15:57:45 344

原创 零基础入门数据挖掘实践(学术前沿趋势分析)之五

任务5:作者信息关联5.1 任务说明5.2 数据处理步骤5.3 社交网络分析5.3.1 图类型5.3.2 图统计指标5.4 具体代码以及讲解1. 导入包2. 读取数据3. 创建作者链接的无向图5.1 任务说明学习主题:作者关联(数据建模任务),对论文作者关系进行建模,统计最常出现的作者关系;学习内容:构建作者关系图,挖掘作者关系;学习成果:论文作者知识图谱、图关系挖掘5.2 数据处理步骤将作者列表进行处理,并完成统计。具体步骤如下:将论文第一作者与其他作者(论文非第一作者)构建图;使用图

2021-01-26 15:20:58 243

原创 零基础入门数据挖掘实践(学术前沿趋势分析)之四

任务4 论⽂文种类分类4.1 任务说明4.2 数据处理步骤4.3 文本分类思路4.4 具体代码实现以及讲解1.包导入2.读入数据3.提取特征4.1 任务说明学习主题:论⽂文种类分类(数据建模任务),利利⽤用已有数据建模,对新论⽂文进⾏行行类别分类; 学习内容:使⽤用论⽂文标题完成类别分类;学习成果:学会⽂文本分类的基本⽅方法、TFIDF等。4.2 数据处理步骤在原始arxiv论文中论文都有对应的类别,而论文类别是作者填写的。在本次任务中我们可以借助论文的标题和摘要完成:对论文标题和摘要进行处理

2021-01-25 22:33:58 221

原创 零基础入门数据挖掘实践(学术前沿趋势分析)之三

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档论⽂文代码统计一、学习任务二、使用步骤1.引入库2.读入数据总结提示:这里可以添加本文要记录的大概内容:例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、学习任务学习主题:论⽂文代码统计(数据统计任务),统计所有论⽂文类别下包含源代码论⽂文的⽐比例例; 学习内容:代码链接识别和统计; 学习成果:学会使⽤用正则

2021-01-19 20:55:51 200

原创 零基础入门数据挖掘实践(学术前沿趋势分析)之二

任务2:论文作者统计2.1 任务说明2.2 数据处理步骤2.3 字符串处理2.4 具体代码实现2.4.1 数据读取2.4.2 数据统计总结2.1 任务说明任务主题:论文作者统计,统计所有论文作者出现评率Top10的姓名;任务内容:论文作者的统计、使用 Pandas 读取数据并使用字符串操作;任务成果:学习 Pandas 的字符串操作;2.2 数据处理步骤在原始arxiv数据集中论文作者authors字段是一个字符串格式,其中每个作者使用逗号进行分隔分,所以我们我们首先需要完成以下步骤:使用

2021-01-15 16:49:07 99

原创 零基础入门数据挖掘实践(学术前沿趋势分析)之一

Datawhale2021-01数据分析任务1 数据分析第一天功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入任务1 数据分析第一次参加这样的开源活动,难免紧张又期待。抓紧时间配置好了编程环境,今天开始小白上路。第一天先记录

2021-01-11 17:08:02 556

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

提示
确定要删除当前文章?
取消 删除