2019年9月25日

交叉熵-loss-理解

摘要: 参考链接: https://blog.csdn.net/tsyccnh/article/details/79163834 阅读全文

posted @ 2019-09-25 16:08 洛珈山下 阅读(236) 评论(0) 推荐(0) 编辑

2019年9月20日

keras multi-label classification 多标签分类

摘要: 问题:一个数据又多个标签,一个样本数据多个类别中的某几类;比如一个病人的数据有多个疾病,一个文本有多种题材,所以标签就是: [1,0,0,0,1,0,1] 这种高维稀疏类型,如何计算分类准确率? 分类问题: 二分类 多分类 多标签 Keras metrics (性能度量) 介绍的比较好的一个博客: 阅读全文

posted @ 2019-09-20 23:58 洛珈山下 阅读(4553) 评论(0) 推荐(0) 编辑

2019年5月9日

数据预处理-机器学习

摘要: 参考文章:https://blog.csdn.net/marsjhao/article/details/70213749 常见的数据预处理流程: 去除唯一属性,处理缺失值,特征编码,数据标准化正则化,特征选择,主成分分析; 特征编码: # 度热编码 (one-hot encoding) : 用N位的 阅读全文

posted @ 2019-05-09 22:30 洛珈山下 阅读(372) 评论(0) 推荐(0) 编辑

2018年12月24日

CNN卷积减少参数个数的理解(分为全连接到CNN三个层级)

摘要: 参考连接 : https://blog.csdn.net/accumulate_zhang/article/details/77816566 1000*1000 的图像, 1000000个隐层神经元,参数个数: 10^12 --> 10^8 --> 100(单一卷积核),或者10000(100个卷积 阅读全文

posted @ 2018-12-24 15:11 洛珈山下 阅读(738) 评论(0) 推荐(0) 编辑

2018年11月21日

插值与拟合(最小二乘法)

摘要: 插值与拟合都是给定一组y = f(x)数据的前提下,用函数 p(x) 近似表示 f(x)的方法; 插值用很多种方法,比如多项式插值,三角函数插值等,意思就是选取哪种函数作为插值的函数; 拟合方法很多,其中包括最小二乘法等; 二者区别:插值必须精确的经过所给定的点 x,f(x); 但是拟合不需要,拟合 阅读全文

posted @ 2018-11-21 23:15 洛珈山下 阅读(1759) 评论(0) 推荐(0) 编辑

python sklearn.cross_validation 模块导入失败

摘要: 参考链接: https://blog.csdn.net/Jae_Peng/article/details/79277920 解决办法: 原来在 cross_validation 里面的函数都放在 model_selection 里面了; 阅读全文

posted @ 2018-11-21 20:40 洛珈山下 阅读(11994) 评论(0) 推荐(1) 编辑

<The old man and the sea>

摘要: Every day is a new day. It is better to be lucky. But i would rather be exact. Then when luck comes you are ready. i wish i could see him only once to 阅读全文

posted @ 2018-11-21 11:06 洛珈山下 阅读(222) 评论(0) 推荐(0) 编辑

2018年11月12日

python下载网页上公开数据集

摘要: URL很简单,数据集分散开在一个URL页面上,单个用手下载很慢,这样可以用python辅助下载; 问题:很多国外的数据集,收到网络波动的影响很大,最好可以添加一个如果失败就继续请求的逻辑,这里还没有实现; 参考链接: https://blog.csdn.net/sinat_36246371/arti 阅读全文

posted @ 2018-11-12 14:57 洛珈山下 阅读(4546) 评论(0) 推荐(0) 编辑

2018年10月27日

bootstrap && bagging && 决策树 && 随机森林

摘要: 看了一篇介绍这几个概念的文章,整理一点点笔记在这里,原文链接: https://machinelearningmastery.com/bagging-and-random-forest-ensemble-algorithms-for-machine-learning/ 1.Bootstrap Met 阅读全文

posted @ 2018-10-27 12:36 洛珈山下 阅读(964) 评论(0) 推荐(0) 编辑

2018年10月22日

如何学习一门新语言

摘要: youtube上看了一个视频,介绍如何尽快的掌握一门新的语言: https://www.youtube.com/watch?v=FrMSSQRYS6I 【5 principles, 7 actions】 Action 1 : listen a lot, brain soaking 泡脑子 多听你要学 阅读全文

posted @ 2018-10-22 00:03 洛珈山下 阅读(397) 评论(0) 推荐(0) 编辑

导航