2018年3月
特征筛选（随机森林）
摘要： 参考：http://blog.csdn.net/zjuPeco/article/details/77371645?locationNum=7&fps=1 一般情况下，数据集的特征成百上千，因此有必要从中选取对结果影响较大的特征来进行进一步建模，相关的方法有：主成分分析、lasso等，这里我们介绍的是 阅读全文
posted @ 2018-03-16 16:43 小kk_p 阅读(25417) 评论(2) 推荐(1)
卷积神经网络(Text--cnn)（知识点整理）
摘要： 参考：http://www.wildml.com/2015/12/implementing-a-cnn-for-text-classification-in-tensorflow/ 独热编码(one-hot)编码： 也称为有效编码，其方法是用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄 阅读全文
posted @ 2018-03-09 23:28 小kk_p 阅读(1362) 评论(0) 推荐(0)
tensorflow图像处理函数(1)
摘要： 1、tensorflow中对jpeg格式图像的编码/解码函数： 2、图像大小调整(和上面的类似，仅多了图像大小调整的部分，下面的例子将类似)： 通过tf.image.resize_image_with_crop_or_pad函数来调整图像大小的功能： 通过tf.image.central_crop函 阅读全文
posted @ 2018-03-07 20:07 小kk_p 阅读(2343) 评论(0) 推荐(0)
2018年2月
python基本数据预处理语法函数(2)
摘要： 1、字符串格式化方法format的用法： 2、enumerate的用法： 0 这1 是2 一个3 测试 3、datetime包 4、filter函数 5、json模块() 1）json.dumps() 2）json.loads() 6、self的简单讲解： self表示类的实例，而非类，以如下代码为 阅读全文
posted @ 2018-02-28 01:52 小kk_p 阅读(618) 评论(0) 推荐(0)
卷积神经网络(3)
摘要： 迁移学习(概念)： 就是将一个问题上训练好的模型通过简单的调整使其适用于一个新的问题。根据论文DeCAF中的结论，可以保留训练好的Inception-3模型中所有卷积层的参数，只是替换最后一层全连接层，在最后这一层全连接层之前的网络层称之为瓶颈层。 将新的图像通过训练好的卷积神经网络直到瓶颈层的过程 阅读全文
posted @ 2018-02-28 01:17 小kk_p 阅读(196) 评论(0) 推荐(0)
卷积神经网络(2)
摘要： 定义LeNet-5模型的前向传播过程： 介绍LeNet-5模型的每一层结构： 1、卷积层 这一层的输入就是原始的图像像素，LeNet-5模型接受的输入层大小为32x32x1，第一个卷积层过滤器的尺寸为5x5，深度为6，不使用全0填充，步长为1。因为没有使用全0填充，所以这一层的输出尺寸为32-5+1 阅读全文
posted @ 2018-02-24 13:10 小kk_p 阅读(578) 评论(0) 推荐(0)
卷积神经网络(1)
摘要： 参考：https://www.cnblogs.com/Yu-FeiFei/p/6800519.html 参考：tensorflow书 1、输入层 输入层是神经网络的输入，在图像处理的卷积神经网络中，它代表一张图片的像素矩阵，一般来说三维矩阵代表一张图片，三维矩阵的长和宽分别代表了图片的大小，三维矩阵 阅读全文
posted @ 2018-02-22 15:25 小kk_p 阅读(521) 评论(0) 推荐(0)
tensorflow函数介绍(3)
摘要： 1、tf.nn.softmax_cross_entropy_with_logits的例子： 2、在tensorboard上显示运行图： 通过在终端输入如下： cd 路径 tensorboard --logdir=路径 浏览器输入：http://localhost:6006/ 得到tensorboar 阅读全文
posted @ 2018-02-18 21:10 小kk_p 阅读(1071) 评论(0) 推荐(0)
PCA(基础知识)
摘要： 参考：http://blog.csdn.net/wangjian1204/article/details/50642732 参考：https://www.zhihu.com/question/38319536 对角化的概念： 已知n x n的矩阵M，如果对于i≠j,Mij=0，则该矩阵为对角矩阵，如 阅读全文
posted @ 2018-02-13 23:48 小kk_p 阅读(873) 评论(0) 推荐(0)
协方差矩阵(基础知识)
摘要： 参考来源：http://pinkyjie.com/2010/08/31/covariance/ 我们知道标准差、均值等是用于描述数据的分布情况，但是这些大多用于一维数据，然而现实生活中会碰到各类多维数据，那么这时候则会涉及到协方差的概念，用于描述两个随机变量的关系，其在单个维度的方差定义表示如下： 阅读全文
posted @ 2018-02-13 19:28 小kk_p 阅读(2512) 评论(0) 推荐(0)