![](https://img-blog.csdnimg.cn/20190927151026427.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
人工智能
文章平均质量分 60
包含机器学习、深度学习、神经网络等人工智能领域
花无凋零之时
这个作者很懒,什么都没留下…
展开
-
【Pytorch】Pytorch中torch.Tensor和torch.tensor的区别
在Pytorch中,Tensor和tensor都用于生成新的张量。首先我们从根源上来看看和区别。转载 2022-09-11 20:44:33 · 256 阅读 · 0 评论 -
GNN学习笔记1:图的基本知识
图的基本知识图的一些概念图直径:图中任意两个结点之间所能达到的最短路径的长度的最大值度中心性(degree centrality):一个结点的度 / (n - 1),即表示该结点的度中心性(n表示图结点总数)特征向量中心性(eigenvector centrality):根据最大特征值对应的特征向量得到的,存在一个比例关系,可以设置为-1:上图的特征向量中心性就是根据第一列乘以-1得到的。可以看到,v1和v5相等且最大,是因为两者的度都是3且其相邻的结点的情况是一样的(一个度为3,两个度为2),原创 2022-02-09 17:23:14 · 445 阅读 · 0 评论 -
Python中py2neo库的基本使用方法
因为需要将处理好的csv文件用neo4j存储,因此想到使用python将数据导入neo4j,就需要用到py2neo库。安装py2neo库:pip install py2neo首先是建立连接:from py2neo import Node, Relationship, Graph, NodeMatcher, RelationshipMatcher# 打开数据库graph = Graph("http://localhost:7474/", auth=("neo4j", "123456"))注意原创 2022-01-18 14:28:57 · 14466 阅读 · 3 评论 -
关系图谱在贝壳的构建和应用
分享嘉宾:周玉驰 贝壳 资深算法工程师 文章整理:许继瑞 内容来源:贝壳找房知识图谱技术大会 出品平台:DataFun 注:欢迎转载,转载请在留言区留言。 导读:贝壳找房积累了大量房、客、人的行为关系数据,我们通过关系图谱的相关技术对这些行为关系进行挖掘,并在实际应用中取得了不错的效果。本次分享将主要介绍关系图谱在贝壳找房的构建历程和落地应用探索。 主要包括: 1. 关系图谱的基础建设,包括:关系图谱的基础数据建设,关系强度量化,子图抽取的方法(异质网络和同质网络) 2. 关...转载 2022-01-12 17:13:37 · 1210 阅读 · 0 评论 -
利用Scikit Learn库对SouthGermanCredit数据集进行处理
(1)下载并研究数据集背景和结构(2)任选分类或者回归算法进行算法代码实现和结果分析数据集分析首先,由数据集文件的文件名SouthGermanCredit.asc可以得知,该数据集是研究德国南部的信贷问题的,然后再由附加文件codetable.txt可以得知数据集中各个参数代表的意思:laufkont:该用户的用户状态laufzeit:贷款的持续时间moral:信用历史verw:贷款的目的hoehe:贷款数量sparkont:存款beszeit:工作时间rate:分期付款率famge原创 2021-03-24 23:45:09 · 949 阅读 · 0 评论 -
利用Scikit Learn库进行垃圾邮件过滤
利用Scikit Learn库进行垃圾邮件过滤模型:采用朴素贝叶斯、逻辑回归和多层感知机3个模型。输出:画出混淆矩阵,计算准确率、精准率、召回率。精度:至少一个模型的准确率>0.96使用朴素贝叶斯模型代码如下:import pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.feature_extraction.text import CountVectorizerfrom skle原创 2021-03-24 23:36:58 · 1218 阅读 · 1 评论