nxf_rabbit75 - 博客园

2019年3月24日

摘要： 1. 查询已知data：查询概率等于0.4的所有行问题所在：query后面只支持string形式的值，而"probability"==0.4返回的是一个bool类型，结果不是true就是false，所以需要进行如下操作，才可返回正确结果，正确操作如下记录满足查找条件的行索引阅读全文

posted @ 2019-03-24 09:48 nxf_rabbit75 阅读(740) 评论(0) 推荐(0) 编辑

ROC曲线，AUC面积

摘要： AUC(Area under Curve)：Roc曲线下的面积，介于0.1和1之间。Auc作为数值可以直观的评价分类器的好坏，值越大越好。首先AUC值是一个概率值，当你随机挑选一个正样本以及负样本，当前的分类算法根据计算得到的Score值将这个正样本排在负样本前面的概率就是AUC值，AUC值越大，阅读全文

posted @ 2019-03-24 00:45 nxf_rabbit75 阅读(3855) 评论(1) 推荐(0) 编辑

2019年3月23日

过拟合VS欠拟合、偏差VS方差

摘要： 1. 过拟合欠拟合过拟合：在训练集（training set）上表现好，但是在测试集上效果差，也就是说在已知的数据集合中非常好，但是在添加一些新的数据进来训练效果就会差很多，造成这样的原因是考虑影响因素太多，超出自变量的维度过于多了；欠拟合：模型拟合不够，在训练集（training set）上阅读全文

posted @ 2019-03-23 11:53 nxf_rabbit75 阅读(972) 评论(0) 推荐(0) 编辑

2019年3月22日

np.percentile()

摘要：作用：找到一组数的分位数值，如四分位数等函数参数说明：示例：参考文献：【1】np.percentile()函数超详解阅读全文

posted @ 2019-03-22 10:49 nxf_rabbit75 阅读(1220) 评论(0) 推荐(0) 编辑

python 数据类型

摘要： 1.整型 32位：-231~231-1 64位：-263~263-1 2.浮点型复数：(complex) >>x=2.4+6.3j >>type(x)（类型） complex >>x.imag（即虚数部分） 6.3 >>x.real（即实数部分） 2.4 >>x.conjugate（即共轭） 2. 阅读全文

posted @ 2019-03-22 10:15 nxf_rabbit75 阅读(173) 评论(0) 推荐(0) 编辑

2019年3月20日

为什么神经网络用交叉熵不用平方差损失？

摘要：阅读全文

posted @ 2019-03-20 22:22 nxf_rabbit75 阅读(1441) 评论(2) 推荐(0) 编辑

Python字典和集合的内部实现

摘要： 1. 哈希表（Hash tables）在Python中，字典是通过哈希表实现的。也就是说，字典是一个数组，而数组的索引是经过哈希函数处理后得到的。哈希函数的目的是使键均匀地分布在数组中。由于不同的键可能具有相同的哈希值，即可能出现冲突，高级的哈希函数能够使冲突数目最小化。Python中并不包含这样阅读全文

posted @ 2019-03-20 16:57 nxf_rabbit75 阅读(2790) 评论(0) 推荐(0) 编辑

python中的锁

摘要：一、全局解释器锁（GIL） 1. 什么是全局解释器锁在同一个进程中只要有一个线程获取了全局解释器（cpu）的使用权限，那么其他的线程就必须等待该线程的全局解释器（cpu）使用权消失后才能使用全局解释器（cpu）,即时多个线程直接不会相互影响在同一个进程下也只有一个线程使用cpu，这样的机制称为全阅读全文

posted @ 2019-03-20 16:09 nxf_rabbit75 阅读(283) 评论(0) 推荐(0) 编辑

Keras学习率调整

摘要： Keras提供两种学习率适应方法，可通过回调函数实现。 1. LearningRateScheduler 该回调函数是学习率调度器. 参数 schedule：函数，该函数以epoch号为参数（从0算起的整数），返回一个新学习率（浮点数）代码 2. ReduceLROnPlateau 当评价指标不在阅读全文

posted @ 2019-03-20 14:49 nxf_rabbit75 阅读(6287) 评论(2) 推荐(0) 编辑

机器学习算法的调试---梯度检验（Gradient Checking）

摘要：梯度检验是一种对求导结果进行数值检验的方法，该方法可以验证求导代码是否正确。 1. 数学原理考虑我们想要最小化以 θ 为自变量的目标函数 J(θ)（θ 可以为标量和可以为矢量，在 Numpy 的编程环境下，处理是一样的），迭代梯度更新公式为：可以以sigmoid函数为例，其导数形式为我们可以阅读全文

posted @ 2019-03-20 14:43 nxf_rabbit75 阅读(1574) 评论(1) 推荐(0) 编辑