change_world

2018年4月4日

摘要：本文以csr_matrix为例来说明sparse矩阵的使用方法，其他类型的sparse矩阵可以参考https://docs.scipy.org/doc/scipy/reference/sparse.html csr_matrix是Compressed Sparse Row matrix的缩写组合，下阅读全文

posted @ 2018-04-04 18:57 change_world 阅读(9307) 评论(0) 推荐(0)

数组合并

摘要：列合并/扩展：np.column_stack() 行合并/扩展：np.row_stack() >>> import numpy as np >>> a = np.arange(9).reshape(3,-1) >>> a array([[0, 1, 2], [3, 4, 5], [6, 7, 8]] 阅读全文

posted @ 2018-04-04 16:13 change_world 阅读(275) 评论(0) 推荐(0)

one-hot

摘要：机器学习算法无法直接用于数据分类。数据分类必须转换为数字才能进一步进行。在本教程中，你将发现如何将输入或输出的序列数据转换为一种热编码，以便于你在Python中深度学习的序列分类问题中使用。看完本教程后，你将会了解： · 1.什么是整数编码和One-Hot编码，以及为什么它们在机器学习中是必需的阅读全文

posted @ 2018-04-04 15:40 change_world 阅读(1247) 评论(0) 推荐(0)

2018年3月31日

pandas

摘要： dates=pd.date_range('20160728',periods=6) #创建固定频度的时间序列 df=pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD')) #创建6*4的随机数，索引，列名称。 df2=p 阅读全文

posted @ 2018-03-31 12:22 change_world 阅读(310) 评论(0) 推荐(0)

2018年3月30日

python 日期

摘要： Time Tuple: 上面的元组相当于struct_time结构，结构属性如下： time 模块 datetime模块注: 获取日期是周几：weekday()方法可以获得datetime是星期几,注意weekday() 返回的是0-6是星期一到星期日 calendar 模块关于dateuti 阅读全文

posted @ 2018-03-30 15:44 change_world 阅读(474) 评论(0) 推荐(0)

2017年11月11日

Boost算法（GDBT,AdaBoost，XGBoost）原理及实践

摘要：在上一篇博客里，我们讨论了关于Bagging的内容，其原理是从现有数据中有放回抽取若干个样本构建分类器，重复若干次建立若干个分类器进行投票，今天我们来讨论另一种算法：提升（Boost）。简单地来说，提升就是指每一步我都产生一个弱预测模型，然后加权累加到总模型中，然后每一步弱预测模型生成的的依据都是阅读全文

posted @ 2017-11-11 15:12 change_world 阅读(6826) 评论(0) 推荐(1)

梯度提升树(GBDT)原理小结

摘要：转刘建平Pinard 在集成学习之Adaboost算法原理小结中，我们对Boosting家族的Adaboost算法做了总结，本文就对Boosting家族中另一个重要的算法梯度提升树(Gradient Boosting Decison Tree, 以下简称GBDT)做一个总结。GBDT有很多简称，有G 阅读全文

posted @ 2017-11-11 11:07 change_world 阅读(797) 评论(0) 推荐(0)

2017年11月5日

理解 LSTM 网络

摘要： Neil Zhu，简书ID Not_GOD，University AI 创始人 & Chief Scientist，致力于推进世界人工智能化进程。制定并实施 UAI 中长期增长战略和目标，带领团队快速成长为人工智能领域最专业的力量。作为行业领导者，他和UAI一起在2014年创建了TASA（中国最早阅读全文

posted @ 2017-11-05 10:40 change_world 阅读(404) 评论(0) 推荐(0)

2017年11月4日

resnet原理详解

摘要： resnet在2015名声大噪，而且影响了2016年DL在学术界和工业界的发展方向。下面是这个resnet的网络结构，大家先睹为快。它对每层的输入做一个reference, 学习形成残差函数，而不是学习一些没有reference的函数。这种残差函数更容易优化，能使网络层数大大加深。我们知道，在计阅读全文

posted @ 2017-11-04 10:50 change_world 阅读(20556) 评论(0) 推荐(1)

常见卷积网络结构

摘要：作者：@houkai本文为作者原创，转载请注明出处：http://www.cnblogs.com/houkai/p/6553221.html 目录随着深度学习的普及开来，设计一个网络结构变得越来越“简单”，如果一个新的网络只是简单的卷积、池化、全连接，改改其中的参数，那就大错特错了。所以网络在应用阅读全文

posted @ 2017-11-04 10:38 change_world 阅读(4674) 评论(0) 推荐(0)

公告