- 博客(24)
- 收藏
- 关注
RSS订阅原创 数据可视化笔记 Task2 - Artist“艺术画笔”（一）
数据可视化学习笔记——task2 对matplotlib重要对象Artist的学习
2022-01-14 01:12:05
154
原创 数据分析入门（学术前沿趋势分析）Task5-作者信息关联
Ⅰ、主要内容纲要主题：对作者间的关系进行建模并分析，统计关联最大的作者关系 内容： 构建作者关系图 数据集：arXivⅡ、数据处理思路 处理步骤： 将作者列表进行处理，并完成统计。具体步骤如下：1）将论文第一作者与其他作者（非第一作者）关系构建图结构；2）使用图算法相关操作统计图中某作者与其他作者的联系。 社交网络： 社交网络是一种网络，属于图的一种类型。图是一种重要的结构，是离散数学、数据结构、运筹学等学科的重要内容，广泛应用于现实生活中（如交通规划、网络规划、...
2021-01-24 15:00:01
556
1
原创 数据分析入门（学术前沿趋势分析）Task4-论文种类分类
Ⅰ、主要内容纲要主题：利用数据建模，对新论文进行分类 内容： 借助论文标题、摘要完成论文分类 数据集：arXivⅡ、数据处理思路原始arxiv论文中论文有对应的类别，由作者填写，因此我们可以借助论文的标题和摘要完成分类，主要步骤如下：对论文标题和摘要进行处理； 对论文类别进行处理； 构建文本分类模型；文本分类的思路有多种，这里简单介绍几类：思路1：TF-IDF+机器学习分类器思路2：FastText思路3：WordVec+深度学习分类器思路4：Bert词向...
2021-01-22 01:19:30
818
2
原创 数据分析入门（学术前沿趋势分析）Task3-论文代码统计
Ⅰ、主要内容纲要主题：对所有出现代码的论文进行统计，学习正则表达式 内容： 使用正则表达式统计代码连接、页数和图表数据 数据集：arXivⅡ、数据处理分析 步骤： 论文作者经常会在论文的comments或abstract字段中给出具体的代码链接，因此需要从这些字段里面找出代码的链接，主要分为三步：确定数据位置； 进行匹配（正则表达式）； 完成相关的统计； 正则表达式： 正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可.
2021-01-17 22:18:04
283
原创 数据分析入门（学术前沿趋势分析）Task2-论文作者统计
Ⅰ、主要内容纲要主题：统计出现频率top10的论文作者 内容：学习利用 Pandas 读取数据并进行统计以及字符串操作 数据集：arXivⅡ、数据处理分析原始arxiv数据集中中”author”字段是字符串格式，这意味着所有论文作者的名字是存放在一起的，因此要对字符串进行处理，提取出各个作者的姓名。姓名之间通过逗号分隔，因此可以以逗号为标志符将作者划分，然后将作者姓名中的非常规字符剔除。（我们得到的数据集中author_parsed已经将作者信息进行了处理，我们可以直接使用。）【注】（p
2021-01-17 15:08:46
289
原创 数据分析入门（学术前沿趋势分析）Task1-论文数据统计
此次赛题是零基础入门数据分析（学术前沿趋势分析），使用公开的arXiv论文完成对应的数据分析操作。赛题内容包括对论文数量、作者出现频率、论文源码的统计，对论文进行分类以及对论文作者的关系进行建模。Ⅰ、数据及背景主题：统计论文数量 内容：理解赛题、学习利用 Pandas 读取数据并进行统计 数据集：arXiv 重要的学术公开网站，也是搜索、浏览和下载学术论文的重要工具。arXiv论文涵盖的范围非常广，涉及物理学的庞大分支和计算机科学的众多子学科，如数学、统计学、电气工程、定量生物学和经济学等等。
2021-01-13 15:46:42
1233
原创 随记——C++传参、取址运算符
一直对C++中“ * ”、“ & ”这两个运算符感觉很懵，心血来潮做个程序试验试验，加深一下对其的理解，顺便做个笔记。一、取址符“&”与引用“&”int x = 12; int* p = &x; //定义int*类型变量并初始化，指针变量*p指向x的地址，p的值为x的地址值cout << "p: " << p << endl;cout << "*p: " << *p << en
2021-01-13 01:55:00
1236
原创 LeetCode分类算法笔记2——动态规划
算法学习笔记——LeetCode分类算法2.动态规划1.主要思想当一个问题通过划分为众多子问题进行求解时，就需要对子问题的求解进行规划，以减少冗余计算，提高算法效率，达到优化算法的目的——这种时候就应当考虑用动态规划对子问题进行调度。这种问题往往是递归问题。动态规划往往适用于有重叠子问题和最优子结构性质的问题，动态规划方法所耗时间往往远少于朴素解法。2.动态规划的要素重叠子问题：动态规划法仅仅解决每个子问题一次，具有天然剪枝的功能，从而减少计算量，一旦某个给定子问题的解已经算出，则将
2020-08-22 17:40:04
293
原创 LeetCode分类算法笔记1——分治
算法学习笔记——LeetCode分类算法1.分而治之1.主要思想对一个大规模的问题运用分治策略，就是将这个大规模的问题划分成若干小规模的子问题，然后对这这些子问题进行求解，最后按划分将求得的结果进行合并，就得到了原问题的解。分治思想就是将分解，即将大问题分解为若干小问题，然后各个击破。利用分治算法求解问题的步骤可以如下表示：1.分：将大问题分解成众多小问题；2.治：求解各个小问题；3.合：将解决的问题合并【注】分治是一种策略，如果一个大问题进行一次分解后仍然无法轻易解出，则可
2020-08-17 20:03:20
247
原创 机器学习入门笔记07-k近邻
k近邻算法k近邻(k-Nearest Neighbor)学习是一种常见的监督学习方法，其算法简单、直观：首先寻找与预测数据最近的k个样本数据，然后观察这k个样本数据的标记类别，数量最多的类别就作为预测数据的类别。我们用图表示一下：如上图，中间绿色的圆点为要预测的数据，样本数据有两种类型，分别用正方形和三角形表示，当k=3时，就如图中实现所围，距离预测点最近的3个点中两个为三角形，一个为...
2020-01-20 20:28:46
185
原创 机器学习入门笔记06-朴素贝叶斯
朴素贝叶斯(naïve Bayes)分类器是一种常用的分类算法，属于机器学习十大算法之一。正如其名称所体现的，朴素贝叶斯分类器的确很“朴素”，可以说它是贝叶斯理论甚至分类算法中最简单的算法之一。先看一看贝叶斯定理——贝叶斯定理贝叶斯定理如下：其中P(A|B)是表示B发生的情况下A发生的概率。这个定理有什么用呢？我们先来看一个例子：春节到了，老妈包了300个饺子（假设这300个饺...
2020-01-19 23:37:40
226
原创 机器学习入门笔记05-聚类
无监督学习无监督学习是一类机器学习算法，在无监督学习中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步数据分析提供基础。通俗的讲，无监督学习就是“从无规律中找到规律”，在未知样本的真实结果的情况下，通过自主学习找到样本之间的一些规律，并将这些规律用于预测。聚类是常见的一类无监督学习任务。简单地说，聚类就是把杂乱的数据划归为特定的几类，并且这...
2020-01-18 18:20:46
1414
原创 机器学习入门笔记04-决策树
之前做过一篇决策树基本原理的笔记，连接：https://blog.csdn.net/xyc_undermoon/article/details/90486195信息论部分可参考吴军博士所著《数学之美》第六章内容，浅显易懂，对基础信息论的理解很有帮助；这次笔记记录一些常见决策树算法以及实现代码。这里先简单回忆一下决策树：决策树是通过不断地选择特征对目标进行判断，我觉得数学中常用的二分法的思想...
2020-01-16 23:06:44
302
原创 机器学习入门笔记03-logistics回归
线性回归对于分类问题线性回归解决的是回归问题，即连续变量的问题，在直角坐标系下就是用直线去拟合数据点；虽然在分类问题中也可以用线性回归模型，但效果不好。线性模型为其产生的预测值是一个实值，因此，若要实现分类问题，则可考虑通过对线性模型所预测的结果再进行一次变换，从而实现分类，此时模型可表示为：logistics回归原理对于二分类问题，我们要预测“正”、“反”两种结...
2020-01-13 23:43:29
564
原创 机器学习入门笔记02-线性回归
首先做一道高中数学题 下表提供了某厂节能降耗技术改造后产生甲产品过程中记录的产量x（单位：吨）与相应的生产能耗y（单位：吨/标准煤）的几组对照数据。 x 3 4 5 6 ...
2020-01-11 21:21:04
763
原创 机器学习入门笔记01-机器学习综述
机器学习与人工智能的发展历程 AI发展阶段 时间轴 机器学习理论 代表性成果 逻辑推理阶段 AI诞生前期 二十世纪五十年代 AI研究处于推理期 A. Newell和H. Simon的Logic Theorist证明了...
2020-01-08 18:12:57
663
原创 西瓜书学习笔记（二）——决策树
4.1基本流程决策树(decision tree)，亦称判定树，是一类常见的机器学习方法。个人理解：由上图可看出，决策树就是通过将特征按层级划分，在上一层判断结果的基础上对下一层的特征值进行判定，如此循环往复，从而通过一系列判断结果产生决策。一般地，一颗决策树包含一个根结点、若干个内部结点和若干个叶结点；叶结点对应于决策结果，其他每个结点则对应于一个属性测试；每个结点包含的样...
2019-05-23 19:28:34
859
原创 西瓜书学习笔记（一）
第三章-线性模型3.1基本形式给定由d个属性描述的示例x = {x1; x2; … ; xd}，xi是x在第i个属性上的取值。线性模型(linear model)：通过属性的线性组合进行预测的函数，即：fx=w1x1+w2x2+…+wdxd+b用向量表示：fx=wTx+b其中w=(w1; w2;…; wd)。线性模型就是要学得w和b。非线性模型(nonlinear ...
2019-05-16 16:32:17
1011
空空如也
opencv-python调用海康威视网络摄像头没反应
2023-03-08
TA创建的收藏夹 TA关注的收藏夹
TA关注的人