小Z的科研日常-CSDN博客

原创 Matplotlib中的子图：规划绘图的指南和工具

本文介绍一款UI工具用于了解Matplotlib子图系统原理。

2024-03-13 10:02:10 965

原创生成式 AI：使用 Pytorch 通过 GAN 生成合成数据

为了欺骗鉴别器，生成器的目的是学习真实数据的分布并生成无法与真实数据区分开的合成数据。这里的一个问题是，对于相同的输入，它总是会产生相同的输出（想象一个图像生成器产生真实的图像，但总是相同的图像，这不是很有用）。这些图像生成和语言模型需要复杂的空间或时间复杂性，这增加了额外的复杂性，使读者更难理解 GAN 的真正本质。生成模型旨在理解数据的底层结构。为了解决这个问题并使 GAN 更容易被更广泛的受众所接受，在本文的 GAN 模型示例中，我们将采取一种不同的、更实用的方法，重点关注生成数学函数的合成数据。

2024-03-11 17:09:42 2588 1

原创【特征选择】CMA-ES（协方差矩阵适应进化策略）

但仅更新分布的平均值非常简单，其工作原理如下：计算每个测试点的目标函数后，为这些点分配权重，目标值更好的点赋予较大的权重，并根据它们的位置计算加权和，这成为新的平均值。我使用的模型是线性回归，并且试图最小化的目标函数是 BIC（贝叶斯信息准则），这是一种信息损失的度量，因此 BIC 越低越好。该算法是随机的，不需要计算目标函数的导数（与依赖于偏导数的梯度下降不同）。标准差将收敛到 0。在这种情况下，启发式方算法便是很好的解决方案：以有效的方式探索搜索空间，寻找能够最小化用于执行搜索的目标函数的特征组合。

2024-03-06 16:41:51 1651 1

原创 Pytorch Geometric 将表格数据集（CSV 文件）转换为图形数据集

如今图数据集正在以惊人的速度出现，所有化学分子、社交网络和推荐系统主要以图数据结构的形式存储数据

2024-03-04 11:29:05 1132

原创应用机器学习回归离群值处理

有效处理异常值是构建强大的机器学习模型的关键步骤。在您的数据集上试验这些方法，并观察异常值是否会失去对您的机器学习工作的破坏性影响。异常值可能会破坏机器学习模型的运转，导致结果出现偏差并影响准确性。在这篇博文中，我们将深入研究应用机器学习领域，并探索使用 Python 识别和处理异常值的有效技。离群值是与数据集其余部分显着偏差的数据点。它们可能是错误、异常或仅仅是极端值的结果。我们将引入异常值，将其可视化，然后演示异常值处理如何影响简单线性回归模型的性能。我们将加载数据，识别异常值，并采用插补和截断方法。

2024-03-03 15:45:30 443 1

空空如也

Pyhon如何读取超大CSV文件？

机器学习数据预处理过程，IP地址如何预处理？