- 博客(47)
- 资源 (4)
- 收藏
- 关注
RSS订阅转载 pylab
import pylab as pl #pylab是matplotlib一个子包，非常适合于进行交互式绘图x = range(12) #横轴的数据y = [i*i for i in x] #纵轴的数据#调用pylab的plot函数绘制曲线,显示数据点，并且蓝色(blue)绘制图像pl.plot(x, y, 'or-',label=u'y=x^2')pl.legend() #让图例生
2017-10-27 11:59:49
1603
1
转载 k均值聚类（k-means）
from numpy import *import timeimport matplotlib.pyplot as plt# calculate Euclidean distancedef euclDistance(vector1, vector2): return sqrt(sum(power(vector2 - vector1, 2)))# init centroid
2017-10-25 22:57:19
395
转载 二分k均值聚类
from numpy import *import timeimport matplotlib.pyplot as plt# calculate Euclidean distancedef euclDistance(vector1, vector2): return sqrt(sum(power(vector2 - vector1, 2)))# init centroid
2017-10-25 21:08:11
603
原创 K-均值聚类算法
from numpy import *dataSet = []#与我们所熟悉的矩阵类似，最终我们将获得N*2的矩阵，fileIn = open("/home/zengxl/PycharmProjects/test3/机器学习实战代码/Ch10/testSet.txt") #是正斜杠for line in fileIn.readlines(): temp=[] lineA
2017-10-25 16:36:24
424
转载 美团Java实习面试经历（拿到Offer）
美团我是在拉勾网上投的简历，之前也投过一次，简历都没通过删选，后来让学姐帮我改了一下简历，重新投另一个部门，获得了面试机会。10月23日中午HR打电话过来预约了下午4点半面试，说会在线写代码，让我准备好网络环境。结果5点半还没打电话过来，被放鸽子。与hr重新沟通过后，确定下周一下午再面，可是跟hr沟通预约这一套貌似在美团并没有什么用。美团技术一面20分钟 晚7点，因为想到下周一才
2017-10-25 14:58:03
1432
转载 《面筋：拿到美团点评和去哪儿网的offer》
《面筋：拿到美团点评和去哪儿网的offer》前言从9月25号下午面完百度之后，就结束了自己的找工作旅程。就这样浪了20来天，想想还是写篇面筋吧，可能会对学弟学妹有一点点帮助。自我介绍在写面筋之前，先说说我自己的情况：研究生一枚，通信专业，研究生期间主要是参与了几个关于通信的项目，没有任何和计算机软件相关的项目，关于Java基本课余时间自学，面试过程中没有一个面试官对
2017-10-25 14:55:42
416
转载 TensorFlow实现多层感知机
# coding: UTF-8# TensorFlow实现Softmax Regression识别手写数字（多层感知机）import tensorflow as tf########加载数据集########from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_se
2017-10-15 12:34:38
338
原创 TensorFlow实现自编码器
import numpy as npimport sklearn.preprocessing as prepimport tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_dataclass AdditiveGaussianNoiseAutoencoder(object): def __i
2017-10-15 12:30:05
364
原创 简单生成式对抗网络
import argparse #1、参数解析的包import numpy as np #numpy科学计算的库，可以提供矩阵运算from scipy.stats import norm #scipy数值计算库,import tensorflow as tfimport matplotlib.pyplot as plt #matplotlib绘图库import seaborn as sn
2017-09-27 21:38:12
548
转载 RNN循环神经网络
import tensorflow as tfimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("MNIST_data",one_hot=True)lr = 0.001batch_size = 128trainin
2017-09-18 17:35:18
499
转载 Saver保存提取
# import tensorflow as tf## W = tf.Variable([[20,2,1],[212,12,1]],dtype=tf.float32,name="weights")# b = tf.Variable([[23,12,3]],dtype=tf.float32,name="biases")## saver = tf.train.Saver()## init
2017-09-18 16:17:53
418
转载 一个简单的卷积神经网络
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data# number 1 to 10 datamnist = input_data.read_data_sets('MNIST_data', one_hot=True)def compute_accuracy(v_xs, v_ys)
2017-09-18 15:12:38
628
原创 python
python示例1# -*- coding:utf-8 -*- import mathimport matplotlib.pyplot as pltif __name__ == '__main__': x = [float(i) / 100.0 for i in range(1, 300)] y = [math.log(i) for i in x] plt.pl
2017-08-17 09:17:32
319
原创 tensorflow分类和dropout解决overfitting
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data# number 1 to 10 datamnist = input_data.read_data_sets('MNIST_data', one_hot=True)def add_layer(inputs, in_size, o
2017-08-03 21:28:03
379
原创 tensorflow构建神经网络及可视化
import tensorflow as tfmatrix1 = tf.constant([[4,5]])matrix2 = tf.constant([[7],[4]])product = tf.matmul(matrix1,matrix2)sess = tf.Session()result = sess.run(product)print(result)sess.close(
2017-08-02 16:41:25
364
原创 Data Science Bowl 2017数据预处理
１、读取数据import pandas as pdlabels_df = pd.read_csv('/home/zengxl/datasets/stage1_')ERROR -- ValueError: Only call `softmax_cross_entropy_with_logits` with named arguments (labels=..., logi
2017-07-25 15:45:14
3328
14
转载 非计算机专业研究生自学进BAT的经历！（转）
致我的2014！ 昨天阿里的师兄带我到部门看了一下，团队的氛围很和谐，主管人也很好，看到我来了也主动跟我打招呼。也跟着团队们听了一个技术讲座，还有可乐零食吃。整个过程就感觉像一个班级再开个会，可以发言，可以开玩笑，很有校园的感觉。同时，牛人们听的过程中也在调试自己的程序，估计学习下操作流程就够我忙一阵子了……明天就要入职，今天晚上主管团队吃饭，师兄也把我喊过去了，跟大家熟悉了一下，感觉还是挺能
2017-05-29 22:26:49
4607
原创 机器学习实战笔记(Python)-01-K近邻算法(KNN)
目标：1.算法概述1.1 算法特点1.2 工作原理1.3 实例解析2算法实现2.1 K-近邻简单分类的应用2.2 在约会网站上使用K-近邻算法2.3 手写识别系统实例3 应用scikit-learn库实现k近邻算法1 算法概述1.1 算法特点简单地说，k-近邻算法采用测量不同特征值之间的距离方法进行分类。优点：
2017-05-24 22:23:00
752
转载 安装Hadoop及Spark for Ubuntu 16.04
安装JDK下载jdk(以jdk-8u91-Linux-x64.tar.gz为例)新建文件夹sudo mkdir /usr/lib/jvm解压下载的jdk文件并移动到新建的文件夹下sudo tar -xzvf jdk-8u91-linux-x64.tar.gz -C /usr/lib/jvm进入jvm文件夹并重命名解压出来的文件夹
2017-05-17 18:27:54
310
转载 图片噪声去除
# -*- coding: utf-8 -*-"""Created on Wed Mar 29 15:32:46 2017@author: Joker"""import matplotlib.pyplot as pltfrom skimage import ioim=io.imread('b.jpg')#io.imshow(img)a = im.shape[0]b = i
2017-04-19 15:58:04
1252
原创 numpy和pandas玩转数据
mport numpy as npa = np.array([[1,2,3],[2,3,4]])print(a.shape)print(a.ndim)print(a.size)print(np.sum(a))print(np.sum(a,axis=1))print(np.cumsum(a))print(np.transpose(a))a = np.zeros((3,4))pri
2017-04-07 21:21:12
530
原创 matplotlib可视化基本操作
import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-1,1,50)y1 = x ** 2y2 = 2*x + 1plt.figure()plt.plot(x,y1)plt.figure(num=3,figsize=(8,5))plt.xlim((-1,2))plt.ylim((-2,3))p
2017-04-07 15:17:02
551
原创 kaggle竞赛：泰坦尼克数据
import pandas as pdtitanic = pd.read_csv('/home/zengxl/Desktop/titanic/train.csv')#print(titanic.head(4))titanic['Age'] = titanic['Age'].fillna(titanic['Age'].median())titanic.loc[titanic['Sex'
2017-03-27 15:11:32
2770
原创 7.8 回归中的相关度和R平方值应用
import numpy as npfrom astropy.units import Ybarnimport mathdef computeCorrelation(X,Y): xBar = np.mean(X) yBar = np.mean(Y) SSR = 0 varX = 0 varY = 0 for i in range(0,len(
2016-12-06 13:02:34
581
原创 7.7 回归中的相关度和R平方值
皮尔逊相关系数（Pearson Correlation Coefficient）衡量两个值线性相关强度的量取值范围[-1,1]: 正向相关：>0, 负向相关:求相关系数：其他例子：R平方值：定义：决定系数，反应因变量的全部变异能通过回归关系被自变量解释的比例。描述：如R平方为0.8，则表示回归关系可以解释因
2016-12-06 10:52:26
1166
原创 7.6 非线性回归应用：logistic Regression application
import numpy as npimport randomdef gradientDescent(x,y,theta,alpha,m,numIterations): xTrans = x.transpose() for i in range(0,numIterations): hypothesis = np.dot(x,theta) los
2016-12-05 19:15:16
451
原创 7.5 非线性回归：logistic Regression（逻辑回归）
概率：定义 概率（P）robability：对一件事情发生的可能性的衡量范围 0计算方法：1、根据个人置信 2、根据历史数据 3、根据模拟数据条件概率：Logistic Regression（逻辑回归）例子
2016-12-05 18:24:09
556
原创 7.4 多元回归分析（multiple Regression）应用
1、例子一家快递公司送货：X1：运输里程 X2：运输次数 Y：总运输时间from numpy import genfromtxtimport numpy as npfrom sklearn import datasets,linear_modeldataPath = r"E:\data\Delivery.csv"deliveryData = genfromtxt(d
2016-12-04 17:45:39
1185
原创 7.3 多元回归分析（multiple Regression）
与简单线性回归区别（simple linear regression）:多个自变量（x）多元回归模型：多元回归方程：估计多元回归方程：一个样本被用来计算β0,β1,β2……βp的点估计b0,b1,b2……bp估计流程（与简单线性回归类似）估计方法：使sum of squares最小运算与简单线性回归类似，涉及到线性代数和矩
2016-12-04 14:14:48
1100
原创 简单线性回归（Simple Linear Regression）下
1、简单线性回归模型举例：汽车卖家做电视广告数量与卖出的汽车数量：如何训练适合简单线性回归模型的最佳回归线？使sum of squares最小计算分子 = （1-2）(14-20)+(3-2)(24-20)+(2-2)(18-20)+(1-2)(17-20)+(3-2)(27-20)=6+4+0+3+7=20分母 = (1-2)^2+
2016-12-04 11:43:58
1032
原创 7.1 简单线性回归（Simple Linear Regression）
属于监督学习（Supervised Learning）；回归（Regression）前提介绍：为什么需要统计量？统计量：描述数据特征集中趋势衡量：均值（平均数，平均值）（mean）{6,2,9,1,2}（6+2+9+1+2）/5 =20/5 = 4中位数（median）：将数据中的各个数值按照大小顺序排列，居于中间位置的变量给数据排序：1,2,2,6,9
2016-12-04 10:53:48
494
原创 入门实现神经网络
本文中我们会从头实现一个简单的3层神经网络。这里假设你已经比较熟悉微积分和机器学习的概念了。比如，你知道什么是分类和正则化。当然你也应该了解一点优化技巧，如梯度下降是如何工作的。但是即使你对上面提到的任何一个概念都不熟悉，你仍然会发现本文的有趣所在。但是为什么要从头实现一个神经网络呢？即使你打算将来使用像PyBrain这样的神经网络库，从头实现神经网络仍然是一次非常有价值的练习。它
2016-12-01 17:20:20
445
原创 用Python 代码实现简单的神经网络
概要：直接上代码是最有效的学习方式。这篇教程通过由一段简短的 python 代码实现的非常简单的实例来讲解 BP 反向传播算法。代码如下：Python1234567891011X = np.array([ [0,0,1],[0,1,1],[1,0,1],[1,1,1] ]
2016-12-01 17:15:08
1063
原创 RNN记忆特性
RNN与语义分析RNN的祖先是1982年提出的Hopfield网络。Hopfield网络因为实现困难，外加没有合适应用，被86年后的前馈网络取代。90年代恰逢神经网络衰落期，前馈MLP在Optimization上被揪出种种弊端，又被SVM取代。在Represention上，CV界老一辈还在用着hand-made特征，Speech&NLP也偏重Statistics的特
2016-12-01 15:57:35
7685
原创 Python写出LSTM-RNN（Long-Short Term Memory Recurrent Neural Networks ）的代码
通过一个简单的Python代码来讲解递归神经网络import copy, numpy as npnp.random.seed(0) # compute sigmoid nonlinearitydef sigmoid(x): output = 1/(1+np.exp(-x)) return output # convert output of sigmoid func
2016-12-01 12:35:35
1053
原创 5.1 支持向量机SVM（support Vector Machine）算法概念（上）
背景：最早在1963年提出，目前版本（soft margin）在1993年提出，在1995年发表深度学习（2012）出现之前，SVM被认为是机器学习中近十几年来最成功的，表现最好的算法机器学习的一般框架：训练集--》提取特征向量---》结合一定的算法（分类器：比如决策树，KNN）---》得到结果例子：两类？哪条线最好？SVM寻找区分两类的超平面（hyper pl
2016-11-30 10:39:47
1975
原创 4.2 最邻近规则分类（K-Nearest Neighbor）KNN算法应用m
数据集介绍： 虹膜（花的名字）from sklearn import neighborsfrom sklearn import datasetsknn = neighbors.KNeighborsClassifier()iris = datasets.load_iris()print irisknn.fit(iris.data,iris.targe
2016-11-29 20:51:43
1033
原创 4.1 最邻近规则分类（K-Nearest Neighbor）KNN算法
1968年提出的分类算法输入基于示例的学习（instance-based learning），懒惰学习（lazy learning）例子：算法详述步骤：为了判断未知实例类别，用所有已知类别的实例作为参照选择参数k计算未知实例与所有已知实例的距离选择最近K个已知实例根据少数服从多数的投票法则（majority-voting），让未知实例
2016-11-29 20:19:11
1603
原创 3.2 决策树（decision tree）应用
Python机器学习库：scikit-learn1、特性：简单高效的数据挖掘和机器学习分析对所有用户开放，根据不同需求可高度可重用性基于Numpy，Scipy和matplotlib开源，商用级别：获得BSD许可2、覆盖问题领域：分类（Classification），回归（Regression），聚类（Clustering），降维（dimensionality reduc
2016-11-29 18:42:37
792
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人