机器学习与深度学习
文章平均质量分 86
机器学习、深度学习等智能算法的原理介绍、代码讲解与实际应用。
疯狂学习GIS
我们一起疯狂学习GIS!
展开
-
OS Copilot初体验的感受与心得
本文介绍体验操作系统智能助手OS Copilot后,个人的一些收获、体验等~原创 2024-07-22 18:54:45 · 856 阅读 · 0 评论 -
OpenCV读取tensorflow神经网络模型:SavedModel格式转为frozen graph的方法
本文介绍基于Python的tensorflow库,将tensorflow与keras训练好的SavedModel格式神经网络模型转换为frozen graph格式,从而可以用OpenCV库在C++ 等其他语言中将其打开的方法~原创 2024-03-10 15:35:30 · 1227 阅读 · 0 评论 -
BOSS直聘推荐搜索系统工程师校招面经
本文介绍2024届秋招中,BOSS直聘的推荐/搜索系统工程师岗位一面的面试基本情况、提问问题等~原创 2024-01-22 14:25:16 · 611 阅读 · 0 评论 -
蒙牛2024秋招数字化未来星岗位群面记录
本文介绍2024届秋招中,蒙牛的数字化未来星岗位初面的面试基本情况、提问问题等~原创 2023-11-04 00:50:30 · 481 阅读 · 0 评论 -
百度2024校招机器学习、数据挖掘、自然语言处理方向面试经历
本文介绍2024届秋招中,百度的机器学习/数据挖掘/自然语言处理工程师岗位一面的面试基本情况、提问问题、代码题目等~原创 2023-09-27 23:22:08 · 1807 阅读 · 6 评论 -
Linux系统Ubuntu配置Docker详细流程
本文介绍在Linux操作系统Ubuntu的18.04及以上版本中,配置开源容器化平台和工具集Docker的详细方法;其中,我们以配置Docker平台的核心组件之一——Docker Engine为例来详细介绍~原创 2023-09-01 01:39:43 · 1634 阅读 · 0 评论 -
R语言实现SMOTE与SMOGN算法解决不平衡数据的回归问题
本文介绍基于R语言中的UBL包,读取.csv格式的Excel表格文件,实现SMOTE算法与SMOGN算法,对机器学习、深度学习回归中,训练数据集不平衡的情况加以解决的具体方法~原创 2023-07-12 19:42:29 · 2254 阅读 · 11 评论 -
Python实现SMOGN算法解决不平衡数据的回归问题
本文介绍基于Python语言中的smogn包,读取.csv格式的Excel表格文件,实现SMOGN算法,对机器学习、深度学习回归中,训练数据集不平衡的情况加以解决的具体方法~原创 2023-07-12 14:16:48 · 1419 阅读 · 24 评论 -
神经网络学习率指数衰减ExponentialDecay策略的参数含义与使用方法详解
本文介绍在tensorflow库中,用于动态调整神经网络的学习率的一种方法——指数衰减ExponentialDecay()策略的参数含义及其具体用法~原创 2023-06-07 17:41:51 · 1472 阅读 · 0 评论 -
神经网络epoch、batch、batch size、step与iteration的具体含义介绍
本文介绍在机器学习、深度学习的神经网络模型中,epoch、batch、batch size、step与iteration等名词的具体含义~原创 2023-06-07 13:56:16 · 1727 阅读 · 0 评论 -
Linux Ubuntu配置CPU与GPU版本tensorflow库的方法
本文介绍在Linux操作系统的发行版本Ubuntu中,配置可以用CPU或GPU运行的Python新版本深度学习库tensorflow的方法~原创 2023-05-24 15:58:35 · 1440 阅读 · 0 评论 -
Python机器学习库scikit-learn在Anaconda中的配置
本文介绍在Anaconda环境中,安装Python语言scikit-learn模块的方法~原创 2023-03-09 17:10:40 · 4266 阅读 · 2 评论 -
用TensorBoard可视化tensorflow神经网络模型结构与训练过程的方法
本文介绍基于TensorBoard工具,对tensorflow库构建的神经网络模型加以可视化,并对其训练过程中的损失函数(Loss)、精度指标(Metric)等的变化情况加以可视化的方法~原创 2023-03-08 23:59:44 · 1518 阅读 · 0 评论 -
新版本GPU加速的tensorflow库的配置方法
本文介绍在Anaconda环境中,配置可以用GPU运行的Python新版tensorflow库的方法~原创 2023-03-02 15:04:42 · 2911 阅读 · 0 评论 -
Anaconda配置Python新版本tensorflow库(CPU、GPU通用)的方法
本文介绍在Anaconda环境中,下载并配置Python中机器学习、深度学习常用的新版tensorflow库的方法~原创 2023-03-01 20:20:06 · 3008 阅读 · 2 评论 -
C++计算机视觉库OpenCV在Visual Studio 2022的配置方法
本文介绍在Visual Studio 2022中配置、编译C++计算机视觉库OpenCV的方法~原创 2022-12-10 15:00:14 · 6209 阅读 · 2 评论 -
MATLAB神经网络拟合回归工具箱Neural Net Fitting的使用方法
本文介绍MATLAB软件中神经网络拟合(Neural Net Fitting)工具箱的具体使用方法~原创 2022-05-03 19:15:21 · 15577 阅读 · 37 评论 -
神经网络模型结构框架可视化的在线与软件绘图方法
之前向大家介绍了一种基于Python第三方ann_visualizer模块的神经网络可视化方法,大家可以直接点击博客:基于Python的神经网络模型结构框架可视化绘图简便方法(https://blog.csdn.net/zhebushibiaoshifu/article/details/116212113)查看;这一基于代码的方法可以适用于...原创 2021-05-14 20:53:51 · 9255 阅读 · 28 评论 -
基于Python的神经网络模型结构框架可视化绘图简便方法
最近需要进行神经网络的可视化。查阅多种方法后,看到很多方法都比较麻烦,例如单纯利用graphviz模块,就需要手动用DOT语言进行图片描述,比较花时间;最终,发现利用第三方的ann_visualizer模块,可以实现对已有神经网络的直接可视化,过程较为方便。 相关环境的版本信息: Anaconda Navigator 1.10.0 Python 3.8.5 首先,下载与安装必要的模块ann_visualizer。打开Anaconda Prompt (Soft)。 在弹出的界面中输入原创 2021-04-28 11:00:56 · 4918 阅读 · 2 评论 -
基于Python的随机森林(RF)回归与多种模型超参数自动优化方法
本文详细介绍基于Python的随机森林(Random Forest)回归算法代码与模型超参数(包括决策树个数与最大深度、最小分离样本数、最小叶子节点样本数、最大分离特征数等等)自动优化代码。 本文是在上一篇博客1:基于Python的随机森林(RF)回归与变量重要性影响程度分析(https://blog.csdn.net/zhebushibiaoshifu/article/details/115918604)的基础上完成的,因此本次仅对随机森林模型超参数自动择优部分的代码加以详细解释;而数据准备、模型原创 2021-04-24 14:22:57 · 11851 阅读 · 43 评论 -
基于Python的随机森林(RF)回归与变量重要性影响程度分析
本文介绍在Python中,实现随机森林(Random Forest,RF)回归与变量重要性分析、排序的代码编写与分析过程~原创 2021-04-20 22:36:36 · 23118 阅读 · 92 评论 -
Anaconda下Python中pydot与graphviz模块下载与安装方法
最近进行随机森林的树可视化,需要用到pydot与graphviz模块;因此在Anaconda中加以安装。 相关环境的版本信息: Anaconda Navigator 1.10.0 Python 3.8.5 开始下载与安装操作。首先,打开Anaconda Prompt (Soft)。 在弹出的窗口中输入:conda install -c anaconda pydot 随后,程序将会自动搜索需要下载、安装的内容。 此时需要注意,在开始搜索前,请关闭网络代理类软件,否则会原创 2021-04-20 12:59:08 · 3098 阅读 · 11 评论 -
Python下数值型与字符型类别变量独热编码(One-hot Encoding)实现
首先导入必要的模块。import pandas as pdfrom sklearn.preprocessing import OneHotEncoder其中,OneHotEncoder是我们实现独热编码的关键模块。接下来,导入并显示数据前五行。test_data_1=pd.read_csv('G:/CropYield/03_DL/00_Data/onehot_test.csv',header=0)test_data_1.head(5)关于这里导入数据代码的解释,大家可以查看博客1与博客2,原创 2021-03-30 23:32:44 · 4197 阅读 · 10 评论 -
基于MATLAB的神经网络(ANN)回归
1 分解代码1.1 循环准备1.2 神经网络构建1.3 数据处理1.4 模型训练参数配置1.5 神经网络实现1.6 精度衡量1.7 保存模型2 完整代码 在之前的一篇博客(https://blog.csdn.net/zhebushibiaoshifu/article/details/114806478)中,我们对基于MATLAB的随机森林(RF)回归与变量影响程度(重要性)排序代码加以详细讲解与实践。本次我们继续基于MATLAB,对另一种常用的机器学习方法——神经网络方法加以代码实战。 首先需要注.原创 2021-03-20 18:35:39 · 15795 阅读 · 44 评论 -
基于MATLAB的随机森林(RF)回归与变量影响程度(重要性)排序
本文介绍基于MATLAB软件实现随机森林(RF)回归与变量影响程度(重要性)排序分析的方法~原创 2021-03-14 23:10:21 · 37290 阅读 · 526 评论 -
JupyterLab按钮与快捷键无法点击操作的解决
近期学习JupyterLab。初次打开JupyterLab后,发现其中菜单栏按钮无法点击,快捷键也均无法执行。如图,红框内的按钮点击均无任何反应。 为解决这一问题,首先尝试关闭VPN、浏览器代理设置等,均不奏效。随后,在搜索时看到Stack Overflow中一位网友的发现:在关闭类似于RightToCopy功能的浏览器插件后,问题解决。 RightToCopy是一个解除网页文字复制限制的插件,虽说我的浏览器没有直接安装这个,但是也有一些类似功能的插件;因此对其逐一尝试。随后发现,我安装的具有原创 2021-03-08 20:58:10 · 2341 阅读 · 14 评论 -
Python机器学习一维/多维数据集顺序打乱
1 为什么要打乱数据集 在机器学习中,如果不进行数据集的打乱,则可能导致模型在训练过程中出现“偏见”的情况,降低其泛化能力,从而降低训练精度。例如,如果我们做深度学习的分类,其中初始数据的前80%都是第一类,后20%都是第二类,那么如果我们不打乱数据,模型在前面大部分数据中训练出来的结果都是第一类(即形成了惯性,模型认为这些数据只对应着第一类);而到后20%数据进行训练时,所得结果也往往全都为第一类;所以要打乱。2 如何打乱 首先引入random。import random2.1 数据特征与原创 2021-02-28 12:40:35 · 1762 阅读 · 0 评论 -
基于Python TensorFlow Keras的深度学习回归代码——keras.Sequential深度神经网络
基于Python TensorFlow Keras的深度学习回归代码——keras.Sequential深度神经网络1 写在前面2 代码分解介绍2.1 准备工作2.2 参数配置2.3 数据导入与数据划分2.4 联合分布图绘制2.5 因变量分离与数据标准化2.6 原有模型删除2.7 最优Epoch保存与读取2.8 模型构建2.9 训练图像绘制2.10 最优Epoch选取2.11 模型测试、拟合图像绘制、精度验证与模型参数与结果保存3 完整代码1 写在前面前期一篇博客(https://blog.csd原创 2021-02-24 15:51:51 · 3984 阅读 · 21 评论 -
基于Python TensorFlow Estimator的深度学习回归与分类代码——DNNRegressor
基于Python TensorFlow Estimator的深度学习回归与分类代码——DNNRegressor1 写在前面2 详细代码1 写在前面本文为基于TensorFlow tf.estimator接口的深度学习网络,而非TensorFlow 2.0中常用的Keras接口;关于Keras接口实现深度学习回归与分类,我将会在接下来的博客中介绍。本文代码以DNNRegressor回归为例;而由于基于 tf.estimator接口的深度学习回归与分类整体较为类似,因此二者具有触类旁通的效果。原创 2021-02-23 20:09:01 · 5702 阅读 · 4 评论