会员
周边
新闻
博问
闪存
众包
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
春风秋水
春风大雅能容物,秋水文章不染尘。
博客园
首页
新随笔
联系
管理
订阅
上一页
1
···
9
10
11
12
13
14
15
下一页
2020年7月11日
ubuntu - 常用知识点
摘要: 1.如何安装deb 2.英语词典GoldenDic 词源 从词源下载对应词典之后,本地创建dic文件夹,将tar.bz2通过tar -jxvf *** -C ./dic解压出来,在通过goldendict导入,edit/dictionaries/file-add 3.安装Docker ubuntu安
阅读全文
posted @ 2020-07-11 22:40 绍荣
阅读(152)
评论(0)
推荐(0)
2020年7月10日
go-vscode-ubuntu20.04安装部署
摘要: 参考: 1.如何在Ubuntu20.04上安装Go 2.将tar.gz文件解压到指定目录 3.解压命令 4.Ubuntu下搭建Golang开发环境 5.Ubuntu下配置VScode golang环境 更新profile方法:source /etc/profile
阅读全文
posted @ 2020-07-10 21:22 绍荣
阅读(841)
评论(0)
推荐(0)
go-vscode-windows安装部署
摘要: 一、安装 安装Go安装包:https://golang.org/dl/根据系统下载相应的安装包 二、配置环境变量 需要配置两个环境变量GOROOT和GOPATH,前者为安装目录,后者为开发目录同时将%GOROOT%\bin和%GOPATH%\bin放在环境变量中 三、安装VSCODE并配置环境 1、
阅读全文
posted @ 2020-07-10 13:32 绍荣
阅读(321)
评论(0)
推荐(0)
2020年7月7日
2020年任务
摘要: 熟练《机器学习实战》和《花书》中的所有知识点 熟练《剑指Offer》中的所有知识点 熟练Pytorch操作 经常参加和复现Kaggle竞赛 数据降维:复现PCA、LE、LLE、LBP 集成学习:复现Kaggle竞赛前5名 强化学习:复现Kaggle竞赛前5名 深度学习:复现ImageNet竞赛上的一
阅读全文
posted @ 2020-07-07 09:06 绍荣
阅读(122)
评论(0)
推荐(0)
2020年7月6日
kaggle - Pipeline
摘要: Pipeline可以将许多算法模型串联起来,比如将特征提取、归一化、分类组织在一起形成一个典型的机器学习问题工作流。主要带来两个好处: 1.直接调用fit和predict方法来对pipeline中的所有算法模型进行训练和预测 2.可以结合grid search对参数进行选择 在下面的例子中,我们使用
阅读全文
posted @ 2020-07-06 15:22 绍荣
阅读(256)
评论(0)
推荐(0)
kaggle - 函数记录
摘要: seaborn.heatmap pandas.info(): 获得列信息,包括列名,个数和数据类型 pandas.drop('Cabin', axis=1, inplace=True):删除指定列,axis=1,表示删除列, pandas.head():查看前6行数据,显示列名和6行数据 panda
阅读全文
posted @ 2020-07-06 15:21 绍荣
阅读(145)
评论(0)
推荐(0)
《机器学习实战》第6章——支持向量机(笔记)
摘要: 参考链接: https://zhuanlan.zhihu.com/p/31886934 https://www.cnblogs.com/yymn/p/4589689.html Karush-Kuhn-Tucker (KKT)条件
阅读全文
posted @ 2020-07-06 14:49 绍荣
阅读(165)
评论(0)
推荐(0)
2020年6月30日
《机器学习实战》第5章——Logistic回归(笔记)
摘要: 1. 概述 Logistic回归分析也用于研究影响关系,即X对于Y的影响情况。Y为定量数据,X可以是定量数据或定类数据。主要是研究二分类观察结果与一些影响因素之间关系的一种多变量分析方法。因变量可以是二分类的,也可以是多分类的。主要在流行病学中应用较多,比较常用的情形是探索某疾病的危险因素,根据危险
阅读全文
posted @ 2020-06-30 16:10 绍荣
阅读(591)
评论(0)
推荐(0)
2020年6月28日
《机器学习实战》第4章——朴素贝叶斯(笔记)
摘要: 1 朴素贝叶斯 是一种简单但极为强大的预测建模算法,之所以成为朴素,是因为它假设每个输入变量是独立的。这个假设在现实生活中不可能满足,但是这项技术对于绝大部分的复杂问题仍然非常有效。 朴素贝叶斯模型由两种类型的概率组成: 1、每个类别的概率P(Cj) 2、每个属性的条件概率P(Ai|Cj) 举例:
阅读全文
posted @ 2020-06-28 14:09 绍荣
阅读(245)
评论(0)
推荐(0)
2020年6月23日
《机器学习实战》第3章——决策树(笔记)
摘要: 一、DT(决策树算法)概述 一句话:以信息熵为度量构造一棵熵值下降最快的树,到叶子节点处熵值为0(叶节点中的实例都属于一类)。 自顶向下的递归方法选择最优特征,并根据该特征对训练数据进行分割,使得各个子数据集有一个最好的分类的过程。 决策树算法:ID3和C4.5都是基于信息增益作为特征选择的度量,C
阅读全文
posted @ 2020-06-23 10:55 绍荣
阅读(268)
评论(0)
推荐(0)
上一页
1
···
9
10
11
12
13
14
15
下一页
公告