07 2019 档案
摘要：线性整流函数（Rectified Linear Unit, ReLU），又称修正线性单元，是一种人工神经网络中常用的激活函数（activation function），通常指代以斜坡函数及其变种 为代表的非线性函数。
阅读全文
摘要：反向传播本质就是利用链式法则，求取所需要更新的变量的偏导数！
阅读全文
摘要：微分的实质就是函数在某点的变化率，如果是多元函数就是函数在某点关于某个变量的变化率！多元函数对某一个变量微分时候，通常会将其他变量看作常量！
阅读全文
摘要：导数和微分的区别一个是比值、一个是增量。 1、导数是函数图像在某一点处的斜率，也就是纵坐标增量（Δy）和横坐标增量（Δx）在Δx-->0时的比值。 2、微分是指函数图像在某一点处的切线在横坐标取得增量Δx以后，纵坐标取得的增量，一般表示为dy。
阅读全文
摘要：1.关于感知器 举一个简单的例子，假设我们需要判断小明同学是否喜欢一个女生，主要考虑有以下三个因素，女生的颜值(0-10分)，女生的身材(0-10分)，女生的性格(0-10分)，那么对于一个女生我们只需要将这三个因素量化出来，输入到感知器中，然后就能得到感知器给我们决策的结果。而感知器内部决策的原理
阅读全文
摘要：将矩阵的行列互换得到的新矩阵称为转置矩阵，转置矩阵的行列式不变
阅读全文
摘要：vstack、hstack和dstack都用于把几个小数组合并成一个大数组。它们的差别是小数组的元素在大数组中的排列顺序有所不同。把两部手机摆到一起有几种方式？水平的左右排列，垂直的上下排列，还可以把手机一扣在手机二的顶上，把它们摞起来。这三种排列方式体现了vstack、hstack和dstack在
阅读全文
摘要：设计思想：编写批处理脚本监控进程的运行状态，如果发现进程停止，则自动重启该进程。批处理脚本（jk.bat）和进程脚本（hello.bat）如下： 1、jk.bat 2、hello.bat
阅读全文
摘要：可以调用别外的批处理如start a.batstart b.batstart c.bat新建a.bat、B.BAT、C.CAT，在这几个批处理中输入你的命令。以上我自己测试通过。
阅读全文
摘要：taskkill /f /im cmd.exe /t
阅读全文
摘要：VM进程状态工具 - 列出目标系统上已检测的HotSpot Java虚拟机进程信息。可直接在装有java运行环境的Windows 或者 Linux机器上使用命令行执行jps命令。一个典型的应用场景，例如你不知道这台机器上运行的java程序所在的位置，或者不了解它启动时的一些参数设置，便可使用jps命
阅读全文
摘要：windows .bat批处理实现进程监控确保程序运行
阅读全文
摘要：深入浅出--梯度下降法及其实现 是介绍梯度下降算法和反向传播最经典的一片文章，没有之一。
阅读全文
摘要：1.梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。 2.梯度就是下山最快的方向； 3.反向传播就是用梯度更新网络参数的一种方式；
阅读全文
摘要：数学符号及读法大全 常用数学输入符号： ≈ ≡ ≠ ＝ ≤≥ ＜ ＞ ± ＋ － × ÷ ／ ∫ ∝ ∞ ∧ ∨ ∑ ∏ ∪ ∩ ∈ ∴ ⊥ ∠ √ （） 【】｛｝ ⊕ α β γ δ ε ζ η θ Δ 大写 小写 英文注音 国际音标注音 中文注音 Α α alpha alfa 阿耳法 Β β b
阅读全文
摘要：链式法则是微积分中的求导法则，用以求一个复合函数的导数。所谓的复合函数，是指以一个函数作为另一个函数的自变量。 如f(x)=3x，g(x)=x+3，g(f(x))就是一个复合函数，并且g(f(x))=3x+3 链式法则(chain rule)： 若h(x)=f(g(x))，则h'(x)=f'(g(x
阅读全文
摘要：本文根据平安人寿AI资深专家吴建军老师在平安人寿&DataFunTalk算法主题技术沙龙 —“机器学习/深度学习在金融领域最新研究和应用实践”中分享的《机器学习/深度学习工程实战》编辑整理而成，在未改变原意的基础上稍做整理。 今天主要从以下几个方面进行分享：平安人寿AI应用技术概览，数据处理和编码，
阅读全文
摘要：其实在机器学习中，算法往往并不是关键，真正的关键之处在于选取特征。选取特征需要我们人类对问题的深刻理解，经验、以及思考。而神经网络算法的一个优势，就在于它能够自动学习到应该提取什么特征，从而使算法不再那么依赖人类，而这也是神经网络之所以吸引人的一个方面。
阅读全文
摘要：在建立python项目时，有时为了区分资源和代码，如在项目文件夹下新建img和src两个文件夹，这时导入自定义模块会提示错误，结果没错但感觉别扭。如： 这是因为pycharm提示功能是从根目录上去寻找！解决方法，在代码文件夹右键选择【Mark Directory as】-> 【Sources Roo
阅读全文
摘要：描述 reduce() 函数会对参数序列中元素进行累积。 函数将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给 reduce 中的函数 function（有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。 语法
阅读全文
摘要：描述 map() 会根据提供的函数对指定序列做映射。 第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。 语法 map() 函数语法： 参数 function -- 函数 iterable -- 一个或多个序列 返
阅读全文
摘要：η 伊塔 eta 磁滞系数；效率（小写） α 阿尔法 alpha 角度；系数 β 贝塔 beta 磁通系数；角度；系数 γ 伽玛 gamma 电导系数（小写） δ 德尔塔 delta 变动；屈光度；方程判别式（大写）；允许误差（小写，统计学 ε 伊普西隆 epsilon 对数之基数 ζ 泽塔 zet
阅读全文
摘要：Numpy.nonzero()返回的是数组中，非零元素的位置。如果是二维数组就是描述非零元素在几行几列，三维数组则是描述非零元素在第几组中的第几行第几列。 Numpy.nonzero()返回的是数组中，非零元素的位置。如果是二维数组就是描述非零元素在几行几列，三维数组则是描述非零元素在第几组中的第几
阅读全文
摘要：numpy.eye(N,M=None, k=0, dtype=<type 'float'>) numpy.eye(N,M=None, k=0, dtype=<type 'float'>) numpy.eye(N,M=None, k=0, dtype=<type 'float'>) numpy.eye
阅读全文
摘要：(sklearn)岭回归 sklearn.linear_model.Ridge用法
阅读全文
摘要：1.windows配置方式： （1）打开文件资源管理器 在地址栏中输入 %appdata% （2）手动创建一个文件夹叫做 pip （3）在pip的文件夹里面新建一个文件 pip.ini （4）文件中写如下内容 [global] index-url = http://pypi.douban.com/s
阅读全文
摘要：var：表示方差， var：表示方差， var：表示方差， var：表示方差， 即各项-均值的平方求和后再除以N ， std：表示标准差，是var的平方根。 cov：协方差 ,与var类似，但是除以(N-1) import numpy as np # 构建测试数据，均值为10 sc = [9.7,
阅读全文
摘要：mean() 函数定义： numpy.mean(a, axis, dtype, out，keepdims ) mean()函数功能：求取均值 经常操作的参数为axis，以m * n矩阵举例： axis 不设置值，对 m*n 个数求均值，返回一个实数 axis = 0：压缩行，对各列求均值，返回 1*
阅读全文
摘要：在学习机器学习的工程中，发现有一种名为标称型的数据，具体如下： 在学习机器学习的工程中，发现有一种名为标称型的数据，具体如下： 在学习机器学习的工程中，发现有一种名为标称型的数据，具体如下： 在学习机器学习的工程中，发现有一种名为标称型的数据，具体如下： 标称型：一般在有限的数据中取，而且只存在‘是
阅读全文
摘要：用法：np.multiply(x1,x2)，作用：逐元素相乘，若x1和x2均为标量，则返回标量
阅读全文
摘要：优点 可用于线性/非线性分类，也可以用于回归，泛化错误率低，也就是说具有良好的学习能力，且学到的结果具有很好的推广性。 可以解决小样本情况下的机器学习问题，可以解决高维问题，可以避免神经网络结构选择和局部极小点问题。 SVM是最好的现成的分类器，现成是指不加修改可直接使用。并且能够得到较低的错误率，
阅读全文
摘要：描述 zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。 如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。 zip 方法在 Python 2 和 Python 3 中的不同：在 Py
阅读全文
摘要：一.常用正则表达式符号和语法： '.' 匹配所有字符串，除\n以外 ‘-’ 表示范围[0-9] '*' 匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 \*。 '+' 匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 \+ '^' 匹配字符串开头 ‘$’ 匹配字符串结尾 re '\'
阅读全文
摘要：python中的空格和tab键不能混用，如果则会报类似如下的错误： IndentationError: unindent does not match any outer indentation level 解决办法是统一成tab或者空格，在Pycharm中的解决办法，选中所有文本，然后通过如下图统
阅读全文
摘要：python 3.0以后, reduce已经不在built-in function里了, 要用它就得from functools import reduce. reduce的用法 reduce(function, sequence[, initial]) -> valueApply a functi
阅读全文
摘要：解决办法：file-settings-tools-python scientific,将show plots in toolwindow前面的对号去掉即可。
阅读全文
摘要：1.ndarray.max([int axis]) 函数功能：求ndarray中指定维度的最大值，默认求所有值的最大值。 axis=0:求各column的最大值 axis=1:求各row的最大值 函数功能：求ndarray中指定维度的最大值，默认求所有值的最大值。 axis=0:求各column的最
阅读全文
摘要：如果没有参数min()返回一个标量，如果有参数0表示沿着列，1表示沿着行。 如果没有参数min()返回一个标量，如果有参数0表示沿着列，1表示沿着行。 如果没有参数min()返回一个标量，如果有参数0表示沿着列，1表示沿着行。 如果没有参数min()返回一个标量，如果有参数0表示沿着列，1表示沿着行
阅读全文
摘要：1.冒号的用法 1.1 一个冒号 a[i:j] 这里的i指起始位置，默认为0；j是终止位置，默认为len(a)，在取出数组中的值时就会从数组下标i（包括）一直取到下标j（不包括j） 在一个冒号的情况下若出现负数则代表倒数某个位置 a[i:-j] 这里就是从下标i取到倒数第j个下标之前（不包括倒数第j
阅读全文
摘要：基于ML-KNN的多标签分类算法
阅读全文
摘要：ML-kNN 多标签k近邻算法 MLL Week 1
阅读全文
摘要：NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。比如说，二维数组相当于是一个一维数组，而这个一维数组中每个元素又是一个一维数组。所以这个一维数组就是NumPy中的轴（axes），而轴
阅读全文
摘要：lambda表达式，通常是在需要一个函数，但是又不想费神去命名一个函数的场合下使用，也就是指匿名函数。 lambda所表示的匿名函数的内容应该是很简单的，如果复杂的话，干脆就重新定义一个函数了，使用lambda就有点过于执拗了。 lambda就是用来定义一个匿名函数的，如果还要给他绑定一个名字的话，
阅读全文
摘要：Numpy的 tile() 函数，就是将原矩阵横向、纵向地复制。tile 是瓷砖的意思，顾名思义，这个函数就是把数组像瓷砖一样铺展开来。 举个例子，原矩阵： mat = array([[1,2], [3, 4]]) 横向： tile(mat, (1, 4)) # 等同于 tile(mat, 4) i
阅读全文
摘要：上篇文章中的reshape（-1,2），有的时候不明白为什么会有参数-1，可以通过查找文档中的reshape（）去理解这个问题 根据Numpy文档(https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html#nump
阅读全文
摘要：1、定义数组 1、定义数组 1、定义数组 1 city = [] # 定义一个空数组 2 name = ['Jack','Panda','Bob','Franck'] 3 # 根据下标找元素，最前面一个元素的下标是0，最后一个元素下标是-1 4 print(name[2]) 5 print(name
阅读全文
摘要：2、np.arange([start, ]stop, [step, ]dtype=None) 作用： arange函数用于创建等差数组 start:可忽略不写，默认从0开始;起始值 stop:结束值；生成的元素不包括结束值 step:可忽略不写，默认步长为1；步长 dtype:默认为None，设置显
阅读全文
摘要：ndarray数据类型 Ndarray的基本数据类型如下图所示，数据类型的命名采用“类型名+数字”的形式表示，数字表示数据的比特位长。在计算机中比特位bit是表示数据最小的单位，1个字节Byte的长度等于8个比特位，即1Byte = 8bit。int64表示8个字节长度的整型，float64表示为8
阅读全文
摘要：首先，我们准备了0~9的训练集和测试集，这些手写体全部经过像素转换，用0，1表示，有颜色的区域为0，没有颜色的区域为1。实现代码如下： 手写数字体转换为0，1像素矩阵如下： 我们一共准备了1934个训练集和934个测试集，分别为0~9的手写体像素矩阵 基于贝叶斯模型对手写体数字进行识别 贝叶斯模型实
阅读全文
摘要：需求： 利用一个手写数字“先验数据”集，使用knn算法来实现对手写数字的自动识别； 先验数据（训练数据）集： ♦数据维度比较大，样本数比较多。 ♦ 数据集包括数字0-9的手写体。 ♦每个数字大约有200个样本。 ♦每个样本保持在一个txt文件中。 ♦手写体图像本身的大小是32x32的二值图，转换到t
阅读全文
摘要：Image对象有crop功能，也就是图像切割功能，但是使用opencv读取图像的时候，图像转换为了np.adarray类型，该类型无法使用crop功能，需要进行类型转换，所以使用下面的转换方式进行转换： numpy.array(img) img对象转化为np数组 Image.fromarray(ar
阅读全文
摘要：摘要： 本文是通过Keras实现深度学习入门项目——数字手写体识别，整个流程介绍比较详细，适合初学者上手实践。 对于图像分类任务而言，卷积神经网络（CNN）是目前最优的网络结构，没有之一。在面部识别、自动驾驶、物体检测等领域，CNN被广泛使用，并都取得了最优性能。对于绝大多数深度学习新手而言，数字手
阅读全文
摘要：手写体识别与Tensorflow 如同所有语言的hello world一样，手写体识别就相当于深度学习里的hello world。 TensorFlow是当前最流行的机器学习框架，有了它，开发人工智能程序就像Java编程一样简单。 MNIST MNIST 数据集已经是一个被”嚼烂”了的数据集, 很多
阅读全文
摘要：Python-Image 基本的图像处理操作，有需要的朋友可以参考下。 Python 里面最常用的图像操作库是 Image library（PIL），功能上，虽然还不能跟Matlab比较，但是还是比较强大的，废话补多少，写点记录笔记。 1. 首先需要导入需要的图像库： import Image 2.
阅读全文
摘要：python如何安装cv2 使用pip3 安装cv2包的时候报错 1 PS C:\Users\lenovo> pip3 install cv2 2 Collecting cv2 3 Could not find a version that satisfies the requirement cv2
阅读全文
摘要：前提：我把自己的数据集存成了npz的形式，也就是npy的压缩形式。如果电脑上安装了解压软件，双击npz文件的话，会出现每一部分压缩文件的名字例如npz文件的名称为：mnist.npz文件，用好压解压软件打开如下: 显示图片： 用np.load(path)读取npz数据集选择npz文件中的一部分，eg
阅读全文
摘要：import numpy as npimport osimport matplotlib.pyplot as pltimport sysimport cv2 a = np.load('/home/wgb/Desktop/Dex2/training_gqcnn/datasets/adv_synth/d
阅读全文
摘要：有时候从网上下载的数据集扩展名（后缀名）是npz，我们需要对数据进行加载（读取）：例如：识别猫狗图片的二分类，下的数据集分别为cat.npz和dog.npz import numpy as npcat_data = np.load('cat.npz')dog_data = np.load('dog.
阅读全文
摘要：在TensorFlow的官方入门课程中，多次用到mnist数据集。 mnist数据集是一个数字手写体图片库，但它的存储格式并非常见的图片格式，所有的图片都集中保存在四个扩展名为idx3-ubyte的二进制文件。 如果我们想要知道大名鼎鼎的mnist手写体数字都长什么样子，就需要从mnist数据集中导
阅读全文
摘要：Keras下载的数据集在以下目录中： root\\.keras\datasetsKeras下载的预训练模型在以下目录中： root\\.keras\models在win10系统来说,用户主目录是：C:\Users\user_name,一般化user_name是Administrator在Linux中
阅读全文
摘要：【深度学习图像识别课程】keras实现CNN系列：（1）MLP实现手写数字MNIST分类
阅读全文
摘要：win10下利用anaconda安装tensorflow和keras的教程都大同小异（针对CPU版本，我的gpu是1050TI的MAX-Q，不知为啥一直没安装成功），下面简单说下步骤。 一 Anaconda安装一般来说，python选择3.6的，目前虽然python到了3.7了，但是还不够稳定，所以
阅读全文
摘要：小白一枚，安装过程走了很多坑，前前后后安装了好几天，因此记录一下。 一、安装anaconda 官方下载地址：https://repo.continuum.io/archive/ 选项相应的版本安装，我安装的Anaconda3-4.4.0-Windows-x86_64.exe版本，自带的Python版
阅读全文
摘要：keras中7大数据集datasets介绍
阅读全文
摘要：实验要求数据说明 ：数据集data4train.mat是一个2*150的矩阵，代表了150个样本，每个样本具有两维特征，其类标在truelabel.mat文件中，trainning sample 图展示了理想的分类类结果；方案选择：选择并实现一种两分类方法（如感知机方法，SVM等）；在此基础上设计使
阅读全文
摘要：一、问题描述 现实中常遇到多分类学习任务，有些二分类学习方法可直接推广到多分类，但在更多情况下，我们是基于一些基本策略，利用二分类学习器来解决多分类问题。 假设有N个类别C1，C2,......，CN，多分类学习的基本思路是“拆解法”，即将多分类任务拆分为若干个二分类任务求解。具体来说，先对问题进行
阅读全文
摘要：大数乘法—多项式与快速傅里叶变换
阅读全文
摘要：基于概率论的分类方法—朴素贝叶斯
阅读全文
摘要：最小二乘法—多项式拟合非线性函数
阅读全文
摘要：TSP问题—Hopfield神经网络算法
阅读全文
摘要：导数，微积分，牛顿运动学制作创意地图
阅读全文
摘要：1. 概述Numpy 中 arange() 主要是用于生成数组，具体用法如下； 2. arange()2.1 语法numpy.arange(start, stop, step, dtype = None) 在给定间隔内返回均匀间隔的值。 值在半开区间 [开始，停止]内生成（换句话说，包括开始但不包括
阅读全文
摘要：【机器学习】逻辑回归（Logistic Regression） 重要程度五颗星。
阅读全文
摘要：1、总述逻辑回归是应用非常广泛的一个分类机器学习算法，它将数据拟合到一个logit函数(或者叫做logistic函数)中，从而能够完成对事件发生的概率进行预测。 2、由来 要说逻辑回归，我们得追溯到线性回归，想必大家对线性回归都有一定的了解，即对于多维空间中存在的样本点，我们用特征的线性组合去拟合空
阅读全文
摘要：导读：机器学习是一个快速发展的研究领域，主要关注设计和分析能让计算机学习的算法。作为一门新兴学科，尽管有待发掘的知识比已经掌握的知识要多得多，但当前的机器学习方法已经被用于教计算机执行各种各样有用的任务。这包括： 图像中目标的自动检测（驾驶员辅助和自动驾驶汽车的关键组成部分） 语音识别（提升语音命令
阅读全文
摘要：随着机器学习越来越流行，也出现了越来越多能很好地处理任务的算法。但是，你不可能预先知道哪个算法对你的问题是最优的。如果你有足够的时间，你可以尝试所有的算法来找出最优的算法。本文介绍了如何依靠已有的方法（模型选择和超参数调节）去指导你更好地去选择算法。本文作者为华盛顿大学 eScience Insti
阅读全文
摘要：各种机器学习的应用场景分别是什么？例如，k近邻,贝叶斯，决策树，svm，逻辑斯蒂回归和最大熵模型。 k近邻,贝叶斯，决策树，svm，逻辑斯蒂回归和最大熵模型,隐马尔科夫，条件随机场，adaboost，em 这些在一般工作中，分别用到的频率多大？一般用… 关于这个问题我今天正好看到了这个文章。讲的正是
阅读全文
摘要：在Oracle的11g版本中提供了统计数据自动收集的功能。在部署安装11g Oracle软件过程中，其中有一个步骤便是提示是否启动这个功能(默认是启用这个功能)。 1、查看自动收集统计信息的任务及状态： SQL> select client_name,status from dba_autotask
阅读全文
摘要：从10g开始，Oracle提供更高效的Data Pump（即expdp/impdp）来进行数据的导入和导出，老的exp/imp还可以用，但已经不建议使用。注意：expdp/impdp和exp/imp之间互不兼容，也就是说exp导出的文件只能用imp导入，expdp导出的文件只能用impdp导入。 D
阅读全文
摘要：导数（Derivative）是微积分中的重要基础概念。当函数y=f（x）的自变量x在一点x0上产生一个增量Δx时，函数输出值的增量Δy与自变量增量Δx的比值在Δx趋于0时的极限a如果存在，a即为在x0处的导数，记作f'（x0）或df（x0）/dx。 导数是函数的局部性质。一个函数在某一点的导数描述了
阅读全文
摘要：在解放前和解放初期，导数不叫导数，叫微商，即微量之商；导数是后来改叫的名。因为导数是函数的瞬时变化率。若导数>0，则表明函数的值是增加的；若导数<0,表明函数的值是减少的；所以顾名思义，导数有引导或指导函数变化趋势的能力，故取名导数也。所以导数比微商，更能反映函数的本质属性。
阅读全文
摘要：特征提取，在机器学习领域好的“特征提取”即使使用一般的算法也能得出好的结果，差的特征提取即使用再好的算法结果也是一般。
阅读全文
摘要：AI算法工程师炼成之路 面试题： l 自我介绍/项目介绍 l 类别不均衡如何处理 l 数据标准化有哪些方法/正则化如何实现/onehot原理 l 为什么XGB比GBDT好 l 数据清洗的方法有哪些/数据清洗步骤 l 缺失值填充方式有哪些 l 变量筛选有哪些方法 l 信息增益的计算公式 l 样本量很少
阅读全文
摘要：一、多光标插入功能 Alt+鼠标左键，添加多光标输入 二、自由多行选择 Alt键+鼠标左键拖动选择各行的部分内容 三、列选择 Shift+Alit+鼠标左键拖动，选中拖动的区域内容 特别说明，在配置中 "editor.multiCursorModifier": "alt"指定当前编辑功能，如果改成其
阅读全文
摘要：在做完数据分析后,有时候需要将分析结果一目了然地展示出来,此时便离不开Python可视化工具,Matplotlib是Python中的一个2D绘图工具,是另外一个绘图工具seaborn的基础包 先总结下绘制子图的步骤: 1.确定绘制的图形形状(如折线图/条状图/柱状图/饼图/散点图等)2.填充x/y轴
阅读全文
摘要：序 Python易用，但用好却不易，其中比较头疼的就是包管理和Python不同版本的问题，特别是当你使用Windows的时候。为了解决这些问题，有不少发行版的Python，比如WinPython、Anaconda等，这些发行版将python和许多常用的package打包，方便pythoners直接使
阅读全文
