yueguizhilin-CSDN博客

原创 2022中国移动创客马拉松大赛 12W奖金，人少钱多，等你来战！

以“九天赋能，注智5G”为主题的中国移动智能网络创客马拉松大赛如期而至，智能网络专题赛由中国移动研究院、中国移动设计院承办，是中国移动年度双创系列赛事的重要组成部分，面向企事业单位、学生开发者团队开放，广泛征集创新应用项目，充分发挥人工智能引领融合创新的能动效应，聚焦智能网络领域，以赛促用，为人工智能应用创新生态的构建贡献力量。

2022-09-26 11:07:38 719 1

原创项目过程中遇到的问题

1、VAE由于loss函数是自己定义的，在load_model别人训练好的模型的时候vae = load_model('E:\AItask......'.format(ftype, alertclass, model_filepath), custom_objects={'vae_loss': vae_loss})报错‘tuple index out of range’，后续又改为报错‘...

2019-12-31 12:51:56 321

转载【转载】pyinstaller的打包python脚本为exe文件（含第三方库）

pyinstaller可以很方便的将python脚本打包为exe文件。exe文件可以在没有装python的电脑运行pyinstaller安装同时按键盘上win键（上面一般有windows的方块标识）和R键，然后电脑左下角就会弹出管理员窗口。然后输入cmd，回车即可进入管理员界面然后输入：C:\Users\Chipeyown>pip install pyinstaller...

2019-12-25 11:11:40 1296 1

转载【转载】Pyinstaller打包出现UnicodeDecodeError: 'utf-8' codec can't decode byte 0xce in position 解决方案

2019-12-24 16:32:31 337

原创训练集测试集loss的关系

train loss 不断下降，test loss不断下降，说明网络仍在学习;train loss 不断下降，test loss趋于不变，说明网络过拟合;train loss 趋于不变，test loss不断下降，说明数据集100%有问题;train loss 趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减小学习率或批量数目;train loss 不断上升，test...

2019-01-18 15:15:33 3145

原创 Keras-Sequential模型

Sequential是多个网络层的线性堆叠。 Keras实现了很多层，包括core核心层，Convolution卷积层、Pooling池化层等非常丰富有趣的网络结构。而实现一个Sequential模型（相对比较特殊）则需要多个层来共同搭建（堆叠）和串联实现。#!/usr/bin/pythonfrom keras.models import Sequentialfrom keras...

2019-01-16 15:58:37 469

原创 python中reshape

比如arr = [1,2,3,4,5,6,7,8,9] # 一个一维的list，长度为9想把arr变成一个3*3的矩阵，这就可以用的reshape了，有两个方法，第一arr.reshape(3,3)这个很好理解，不多说，重点看第二个方法arr.reshape(-1,3)这样也可以把arr变成3*3的矩阵，这个-1代表的意思就是，我不知道可以分成多少行，但...

2019-01-11 15:10:00 4203

转载 “一天搞懂深度学习”笔记

“一天搞懂深度学习”笔记1. A brief Introduction of Deep Learning1.1 Introduction of Deep LearningNeuron权重和偏置称为神经元的参数，区别于神经网络结构参数，如神经元个数，隐含层层数，网络连接方式等，网络结构参数是超参之一, 需要人为根据经验设置。全连接前馈神经网络...

2019-01-09 11:18:49 1086

转载从Logistic回归到神经网络的一点感悟

从Logistic回归到神经网络的一点感悟第一次写博客，是自己刚迈入新的学习节奏，想写一点东西，整理一下思绪的时候；也希望为数据分析学会的每周技术帖分享起个头。主要是记录自己的感悟，当做学习笔记来写；有错误的地方欢迎指正。从Logistic回归到神经网络的一点感悟线性回归 Line...

2018-12-28 15:06:18 722

转载各种聚类算法的系统介绍和比较

转自：https://blog.csdn.net/abc200941410128/article/details/78541273?locationNum=1&fps=1 最近项目用到聚类算法，将其系统的总结一下。一、简要介绍1、聚类概念聚类就是按照某个特定标准(如距离准则)把一个数据...

2018-08-16 14:42:39 1694

转载机器学习中的维度灾害

转自：https://zhuanlan.zhihu.com/p/27488363对于大多数数据，在一维空间或者说是低维空间都是很难完全分割的，但是在高纬空间间往往可以找到一个超平面，将其完美分割。引用The Curse of Dimensionality in Classification的例子来说明：想象下我们有一系列图片，每张图描述的不是猫就是狗。现在我们想利用这些图片来做一个可以...

2018-08-15 15:46:00 785

转载基于密度聚类的DBSCAN和kmeans算法比较

基于密度聚类的DBSCAN和kmeans算法比较根据各行业特性，人们提出了多种聚类算法，简单分为：基于层次、划分、密度、图论、网格和模型的几大类。其中，基于密度的聚类算法以DBSCAN最具有代表性。  场景一假设有如下...

2018-08-14 18:00:38 4450

转载高维聚类

维数灾难的表现在高维空间下，几乎所有的点对之间的距离都差不多相等考虑一个d维欧式空间，假设在一个单位立方体内随机选择n个点。首先，如果d为1，那么久相当于在一个长度为1的线段上随机放置点，那么将会有两类点连续点(距离很近)和线段两端的点(距离很远)，这些点的平均距离是1/3。证明可以做如下变换，...

2018-08-14 17:42:51 2485

原创卷积神经网络学习（一）——基本卷积神经网络搭建

1

2017-08-31 16:28:09 2485

原创 TensorFlow练习（六）——Classification分类学习

分类和回归的区别在于输出变量的类型上。通俗理解定量输出是回归，或者说是连续变量预测；定性输出是分类，或者说是离散变量预测。如预测房价这是一个回归任务；把东西分成几类, 比如猫狗猪牛，就是一个分类任务。首先准备数据（MNIST库），MNIST库是手写体数字库，差不多是这样子的数据中包含55000张训练图片，每张图片的分辨率是28×28，所以我们的训练网络输入应该是2

2017-08-30 16:36:47 594

原创 TensorFlow练习（五）——结果可视化（线性回归LinearRegression）

import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltdef add_layer(inputs,in_size,out_size,activation_function=None): # 输入值，输入的大小，输出的大小，激励函数 Weights = tf.Variable(tf.random_

2017-08-30 16:27:13 1533

原创 TensorFlow练习（四）——构造神经网络

本文介绍怎样建造一个完整的神经网络,包括添加神经层,计算误差,训练步骤,判断是否在学习.import tensorflow as tfimport numpy as np# 构造添加一个神经层的函数def add_layer(inputs,in_size,out_size,activation_function=None): # 输入值，输入的大小，输出的大小，激励函数

2017-08-30 16:15:55 469

原创 TensorFlow练习（三）——添加层 def add_layer()

在 Tensorflow 里定义一个添加层的函数可以很容易的添加神经层,为之后的添加省下不少时间.神经层里常见的参数通常有weights、biases和激励函数。首先，我们需要导入tensorflow模块。import tensorflow as tf然后定义添加神经层的函数def add_layer(),它有四个参数：输入值、输入的大小、输出的大小和激励函数，我们设定默认

2017-08-30 16:08:44 4076 1

原创 TensorFlow练习（二）——搭建神经网络结构

首先, 我们这次需要加载 tensorflow 和 numpy 两个模块, 并且使用 numpy 来创建我们的数据.import tensorflow as tfimport numpy as np# create datax_data = np.random.rand(100).astype(np.float32)y_data = x_data*0.1 + 0.3接着, 我

2017-08-30 15:59:51 552

原创 TensorFlow练习（一）——TensorFlow简介

因为TensorFlow是采用数据流图（data　flow　graphs）来计算, 所以首先我们得创建一个数据流流图, 然后再将我们的数据（数据以张量(tensor)的形式存在）放在数据流图中计算. 节点（Nodes）在图中表示数学操作,图中的线（edges）则表示在节点间相互联系的多维数据数组, 即张量（tensor). 训练模型时tensor会不断的从数据流图中的一个节点flow到另一节点,

2017-08-30 15:50:00 554

原创机器学习练习（三）——交叉验证Cross-validation

一、选择正确的Model基础验证法from sklearn.datasets import load_iris # iris数据集from sklearn.model_selection import train_test_split # 分割数据模块from sklearn.neighbors import KNeighborsClassifier # K最近邻(kNN，k-Ne

2017-08-30 11:04:13 36016 7

原创机器学习练习（二）——标准化Normalization

由于资料的偏差与跨度会影响机器学习的成效，因此正规化(标准化)数据可以提升机器学习的成效。一、数据标准化from sklearn import preprocessing #标准化数据模块import numpy as np#建立Arraya = np.array([[10, 2.7, 3.6], [-100, 5, -2],

2017-08-30 10:54:44 635

原创机器学习练习（一）——简单的Iris分类练习

Sklearn 本身就有很多数据库，可以用来练习。以 Iris 的数据为例，这种花有四个属性，花瓣的长宽，茎的长宽，根据这些属性把花分为三类。我们要用分类器去把四种类型的花分开。import numpy as np #导入模块from sklearn import datasets #用数据库去学习，或者把数据库放到tenserflow模块练习from sklea

2017-08-30 10:40:14 5499 1

原创机器学习练习（四）——异常检测

我们的任务是使用高斯模型来检测数据集中一个未标记（unlabeled）的样本是否应被视为异常。我们从一个简单的 2 维数据集开始，因此我们可以很容易地可视化这算法的工作原理。让我们导入数据并画出散点图。#!/usr/bin/env python# -*- coding:utf-8 -*-# 使用高斯模型来检测数据集中一个未标记（unlabeled）的样本是否应被视为异常

2017-08-30 10:02:06 698

原创机器学习练习（五）——高斯异常点检测

#coding:utf-8import numpy as npfrom sklearn.covariance import EllipticEnvelopefrom sklearn.svm import OneClassSVMimport matplotlib.pyplot as pltimport matplotlib.font_managerfrom sklearn.dataset

2017-08-30 09:45:40 2300

yueguizhilin的博客