2017年7月6日

ssh,隧道

摘要: https://www.90hsa.com/133.html http://blog.sina.com.cn/s/blog_828e50020101etwt.html https://www.ibm.com/developerworks/cn/linux/l-cn-sshforward/ 阅读全文

posted @ 2017-07-06 14:48 易然~ 阅读(91) 评论(0) 推荐(0) 编辑

2017年6月7日

pluskid'SVM系列笔记(可当做目录对照看)

摘要: 0.训练数据对分类器性能的影响 原文链接:http://blog.pluskid.org/?p=223 1.训练数据的不平衡性对分类器性能的影响(precision 、accuracy、error rate 等) 2.SVM(support vector machine)通过hyperplane切分 阅读全文

posted @ 2017-06-07 19:04 易然~ 阅读(983) 评论(0) 推荐(0) 编辑

傅里叶变换,fft,fft energy

摘要: 傅里叶变换:将信号转化到频率空间,详解:http://blog.jobbole.com/70549/ 图像傅里叶变换:傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数, 空间三维,图像二维,因此空间中物体在另一个维度上的关系,就必须由梯度来表示,这样我们才能通过观察图像得知物体在三 阅读全文

posted @ 2017-06-07 12:35 易然~ 阅读(402) 评论(0) 推荐(0) 编辑

2017年6月6日

pandas iloc vs ix vs loc explanation?

摘要: 更多例子详解:https://stackoverflow.com/questions/31593201/pandas-iloc-vs-ix-vs-loc-explanation第二个回答 2.关于dataframe按行插入: 当然也可以先直接按列插入再转置 https://stackoverflow 阅读全文

posted @ 2017-06-06 15:20 易然~ 阅读(324) 评论(0) 推荐(0) 编辑

2017年6月4日

什么是P问题、NP问题和NPC问题

摘要: 转:http://www.matrix67.com/blog/archives/105 这或许是众多OIer最大的误区之一。 你会经常看到网上出现“这怎么做,这不是NP问题吗”、“这个只有搜了,这已经被证明是NP问题了”之类的话。你要知道,大多数人此时所说的NP问题其实都是指的NPC问题。他们没有搞 阅读全文

posted @ 2017-06-04 17:13 易然~ 阅读(377) 评论(0) 推荐(0) 编辑

2017年5月23日

数字签名&Xshell界面&ssh

摘要: http://www.ruanyifeng.com/blog/2011/08/what_is_a_digital_signature.html http://blog.csdn.net/houjiyu243042162/article/details/44344269 http://www.ruan 阅读全文

posted @ 2017-05-23 17:27 易然~ 阅读(213) 评论(0) 推荐(0) 编辑

【scikit-learn】网格搜索来进行高效的参数调优

摘要: 内容概要¶ 如何使用K折交叉验证来搜索最优调节参数 如何让搜索参数的流程更加高效 如何一次性的搜索多个调节参数 在进行真正的预测之前,如何对调节参数进行处理 如何削减该过程的计算代价 1. K折交叉验证回顾¶ 交叉验证的过程 选择K的值(一般是10),将数据集分成K等份 使用其中的K-1份数据作为训 阅读全文

posted @ 2017-05-23 16:18 易然~ 阅读(6182) 评论(0) 推荐(0) 编辑

Python_sklearn机器学习库学习笔记(四)decision_tree(决策树)

摘要: # 决策树 import pandas as pd from sklearn.tree import DecisionTreeClassifier from sklearn.cross_validation import train_test_split from sklearn.metrics i 阅读全文

posted @ 2017-05-23 16:16 易然~ 阅读(6589) 评论(0) 推荐(0) 编辑

结合Scikit-learn介绍几种常用的特征选择方法

摘要: 转:http://www.17bigdata.com/%E7%BB%93%E5%90%88scikit-learn%E4%BB%8B%E7%BB%8D%E5%87%A0%E7%A7%8D%E5%B8%B8%E7%94%A8%E7%9A%84%E7%89%B9%E5%BE%81%E9%80%89%E6 阅读全文

posted @ 2017-05-23 16:10 易然~ 阅读(247) 评论(0) 推荐(0) 编辑

2017年5月18日

评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)

摘要: 下面简单列举几种常用的推荐系统评测指标: 1、准确率与召回率(Precision & Recall) 准确率和召回率是广泛用于信息检索和统计学分类领域的两个度量值,用来评价结果的质量。其中精度是检索出相关文档数与检索出的文档总数的比率,衡量的是检索系统的查准率;召回率是指检索出的相关文档数和文档库中 阅读全文

posted @ 2017-05-18 11:28 易然~ 阅读(452) 评论(0) 推荐(0) 编辑

导航