11 2022 档案
摘要：目标： 自动驾驶感知负责深度学习感知算法开发，包括目标识别、分割、检测、多目标追踪等有扎实的数理基础，有Linux、ROS、QNX等开发经验，熟悉C/C++编程，有良好的编程习惯 他人简历： skills: 熟练使用 NumPy, 熟悉 SciKit-Image, OpenCV, SciPy, Ma
阅读全文
摘要：决策树 决策树的几种经典实现方式是ID3，C4.5 和 CART 分类树: 对一个样本的分类进行预测 信息熵 度量样本集合纯度的一种指标，熵越大，则说明该数据分类的纯度越纯 D表示数据集，假设D共有m个类别，Pk 表示第k个类别占样本总数的比例 基尼指数 CART用作分类时使用基尼指数作为划分依据
阅读全文
摘要：MSE sklearn中调用mean_squared_error() 函数 回归模型算法： 线性回归，岭回归，LASSO回归，决策树，梯度提升树 数据探索———— 双变量分析 （1） 连续-连续 散点图，相关性（np.corrcoef） （2）类比-类别 双向表，柱状图，卡方检验 （3）类别-连续
阅读全文
摘要：线性回归： 不满秩，计算误差大 岭回归： 岭回归是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数，它是更为符合实际、更可靠的回归方法，对存在离群点的数据的拟合要强于最小二乘法。 不同与线性回归的无偏估计，岭回归的优势在于它的无偏估计，更趋向于将部分系
阅读全文
摘要：1. plt.legend()函数的作用是给图像加图例。 图例是集中于地图一角或一侧的地图上各种符号和颜色所代表内容与指标的说明，有助于更好的认识地图。 基础绘制 eg： X = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(X
阅读全文
摘要：numpy axis=1表示列，axis=0表示行 1. 线性代数库 linalg dot 数组的点积 vdot 向量的点积 （是一个数） inner 数组内积 （类似交叉相乘） matmul 数组的矩阵积 如果任一参数的维数大于2，则将其视为存在于最后两个索引的矩阵的栈，并进行相应广播 如果任一参
阅读全文
摘要：kdeplot 拟合并绘制单变量或双变量核密度估计图(KDE) distplot 灵活绘制单变量观测值分布图。 jointplot 绘制一个具有双变量和边缘分布的联合数据集 np.random.multivariate_normal def multivariate_normal(mean, cov
阅读全文
摘要：#1. print(list(filter(lambda x: x%2,range(10)))) #[1, 3, 5, 7, 9]# 非lamda表示def odd(x): return x%2 temp = range(10) show = filter(odd,temp) print(list(
阅读全文
摘要：1. 数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已 2. 对官方所给的数据进行细致的分析与探索，对于数据的探索与分析是为了能更好地理解数据，包括数据的整体情况、每个字段的含义、数据字段中是否存在奇怪的或错误的情况（例如某些特征字段中出现了大量的空值，身高体重等特征中出现了负数的情
阅读全文
摘要：建树过程 选取具有最大增益的结点分裂 容易过拟合通过max_depth 限制
阅读全文
摘要：1. 独热编码(离散变量) eg: ——>0，1 对二分类没有实际作用，适应多分类 OneHotEncoder 2. 连续变量分箱 离散化 等宽，uniform（KBinsDiscretizer）收到异常值影响 等频，quantile 忽略异常值影响 聚类 cluster.KMeans 3. 分组统
阅读全文
摘要：2.图像分类 self.X_train - X[i, :] 训练集矩阵中每行都减去 测试集的第i行 （临时） np.square(self.X_train - X[i, :]) 返回 每个元素都平方后的矩阵 np.sum(np.square(self.X_train - X[i, :]), axis
阅读全文
摘要：只有加法和数乘就是线性空间。 定义了距离的线性空间就是线性度量空间。 再更具体一点定义了范数，就是赋范空间。 再多定义一个内积，就是内积空间。 那希尔伯特空间呢，就是再多定义一个完备性，这里的完备性是为了取极限操作而准备的。也就是说有了完备性，取极限才不会跑出自己的空间。 欧氏空间： 对现实空间的规
阅读全文
摘要：RNN之所以称为循环神经网路，即一个序列当前的输出与前面的输出也有关。具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中，即隐藏层之间的节点不再无连接而是有连接的，并且隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出 基本RNN：循环网络的基本构成 LSTM：突破性进展的长
阅读全文
摘要：全连接层： 如果说卷积层、池化层和激活函数等操作是将原始数据映射到隐层特征空间的话，全连接层则起到将学到的“分布式特征表示”（下面会讲到这个分布式特征）映射到样本标记空间的作用。在实际使用中，全连接层可由卷积操作实现 知识蒸馏： 一个很直白且高效的迁移泛化能力的方法就是：使用softmax层输出的类
阅读全文
摘要：第一遍：标题、摘要、结论。可以看一看方法和实验部分重要的图和表。这样可以花费十几分钟时间了解到论文是否适合你的研究方向。第二遍：确定论文值得读之后，可以快速的把整个论文过一遍，不需要知道所有的细节，需要了解重要的图和表，知道每一个部分在干什么，圈出相关文献。觉得文章太难，可以读引用的文献。第三遍：提
阅读全文
摘要：1. GLoRIA: A Multimodal Global-Local Representation Learning Framework for Label-efficient Medical Image Recognition 2. Distilling the Knowledge in a
阅读全文
摘要：文献综述 文献综述大体包括两种类型。一种是叙述型的文献综述，常见于学位论文或者学术专著中，这种文献综述是为作者后续的研究做铺垫的。另一种是评价型的文献综述，即文献综述本身就是作者所开展的研究 文献组合的逻辑有很多种，比较经典的逻辑即时间与空间的逻辑，在时间或空间的逻辑基础上，还需要对文献进行更为细致
阅读全文
