家迪的家

摘要： KNN 算法介绍： 缺点： 对一个算法的掌握无非知其然，也知其所以然 使用scikit中的KNN： 自己实现KNN 分类器: 调用： 超参数和模型参数： 如何寻找好的超参数 明可夫斯基距离 当p的值为1时，则是曼哈顿距离，当p为2时则是欧拉距离 数据归一化： 测试数据归一化 使用StandardSc 阅读全文

摘要： 线性回归算法介绍 线性回归算法介绍 线性回归算法介绍 线性回归算法介绍 解决回归问题 思想简单，实现容易 许多强大的非线性模型的基础 结果具有很好的解释性 蕴含机器学习中很多重要的思想 解决回归问题 思想简单，实现容易 许多强大的非线性模型的基础 结果具有很好的解释性 蕴含机器学习中很多重要的思想 阅读全文

摘要： 理解算法确实是欲速则不达，唯有一步一步慢慢看懂，然后突然觉得写的真的太好了，那才是真的有所理解了。 Adaboost的两点关键点： 1. 如何根据弱模型的表现更新训练集的权重； 2. 如何根据弱模型的表现决定弱模型的话语权 算法步骤： 从训练数据中训练出一系列的弱分类器，然后把这些弱分类器集成为一个 阅读全文

摘要： 机器学习可分为四大类 机器学习中的回归和分类问题 1.回归问题的应用场景 回归问题通常是用来预测一个值，如预测房价、未来的天气情况等等，例如一个产品的实际价格为500元，通过回归分析预测值为499元，我们认为这是一个比较好的回归分析。一个比较常见的回归算法是线性回归算法（LR）。另外，回归分析用在神 阅读全文

摘要： 56ZS5PQ1RF-eyJsaWNlbnNlSWQiOiI1NlpTNVBRMVJGIiwibGljZW5zZWVOYW1lIjoi5q2j54mI5o6I5p2DIC4iLCJhc3NpZ25lZU5hbWUiOiIiLCJhc3NpZ25lZUVtYWlsIjoiIiwibGljZW5zZVJ 阅读全文

摘要： centos 安装tesseract 接口就是pytesseract.image_to_string(),前提就是需要安装tesseract-OCR，并加入环境变量。 这里再记录一下识别中文的流程： 1. 下载二进制windows安装包 https://github.com/tesseract-oc 阅读全文

摘要： 其实之前关于卷积整个过程一直是模棱两可，今天完全看着代码，根据自己的逻辑走了一遍，感觉有了更深一层次的理解，也在案例的基础上实现的自己的扩展。总的来说我想模型的正确性与否由三大主要影响因素构成，第一是样本，第二是模型细节，这里指的是卷积过程，节点数如何选择等等，这一块着实是一个难点，百度很久貌似也是 阅读全文

摘要： 之前简单的看完视频教程，自己没有好好总结，没有去细究为什么要这样选择，只是模棱两可的灌输进去。今天小组成员大家一起讨论了一番，提出了很多细节上的问题，总结一番，发现很有收获，果然啊，一个人的思维还是太窄了。 首先先说一下案例：输入[i for i in range(15)],预测price，数据就是 阅读全文

摘要： 一、流程 $ git init # 创建一个新的仓库 sublime 编写文本，不要使用win自带文本编辑器 $ git add file1 # 将文件添加到暂存区 $ git add file2 $ git commit -m "what is the change" # 把文件提交到当前分支 二 阅读全文

摘要： 基于函数实现 基于类实现 传入类的入口函数，即可实现多线程 总结一波，实际实现多进程的进程是类的实例化对象的run函数（baidu.run），因此在初始化类时是串行的，而很多模块并不能在同一进程中实例化多个对象。 例如: 线程池、进程池： 阅读全文