摘要：
做过数据分析的孩子一般都知道：数据预处理很重要，大概会占用整个分析过程50％到80％的时间，良好的数据预处理会让建模结果达到事半功倍的效果。本文简单介绍python中一些常见的数据预处理，包括 数据加载 、 缺失值处理 、 异常值处理 、 描述性变量转换为数值型 、 训练集测试集划分 、 数据规范化 阅读全文
摘要：
最近接触到为客户的客服排班的需求，之前根据客户的需求，同事已经完成了自动排班系统，需要我继续支撑的是做一些优化即可。当我接触到这个项目之后，我便联想到以前所学的CSP最小冲突法或许可以解决排班问题。在这里，想要介绍一下这种方法。 CSP最小冲突法 CSP最小冲突法的主要思想是，找到满足约束条件的情况 阅读全文
摘要：
我们的目标是书写强化学习 Q learning的代码，然后利用代码解决 "汉诺塔问题" 强化学习简介 基础的详细定义之类的，就不再这里赘述了。下面直接说一些有用的东西。 强化学习的步骤： 对于每个状态，对这个状态下，所有的动作，计算这个状态 动作的潜在奖励。 一般记录在Q表格中，可以表示为 $Q[( 阅读全文
摘要：
一. 算法介绍 1.1. 算法简介 Xgboost从名字中可以看出是属于booting算法。Boosting就是一个强分类器，它是由若干个弱分类器（树模型）组合而成。这里的树模型是CART（分类回归树）模型。 1.2 .算法思想 通过不断地添加树，不断地进行特征分裂来生长一棵树，每次添加一个 阅读全文
摘要：
一. 模型泛化能力 1. 模型泛化能力 指模型对于未知数据的预测能力， 是模型最重要的性质，泛化误差越小，模型预测效果越好； 2. 利用最小化训练误差来训练模型，但是真正关心的是测试误差。因此通过测试误差来评估模型的泛化能力。 训练误差是模型在训练集的平均损失，其大小虽然有意义，但是本质上不重要。 阅读全文
摘要：
1. 查看代码修改状态 2. 添加代码到分支上 3. 添加提交注释内容，说明提交的内容 4. 拉取远程仓库的代码 5. 把代码推送到远程仓库 阅读全文
摘要：
一、环境准备 安装依赖包 python、tesseract依赖： caffe依赖： 源码位置 caffe: https://github.com/BVLC/caffe 下载部署包 python366：https://www.python.org/downloads/release/python 36 阅读全文
摘要：
一、安装前准备工作 1、查看当前服务器的显卡 查看VGA接口显卡：lspci | grep VGA 查看Nvidia：lspci | grep NVIDIA 这里结果中的“00:”前缀，表示该显卡是虚拟机上挂载的显卡。 2、查看是否有历史安装 执行如下命令： 如果没有找到命令，则说明驱动没有安装。 阅读全文
摘要：
TensorFlow是目前世界上最受欢迎的深度学习框架，主要应用于图像识别、语言理解、语音理解等领域方面。它具有快速、灵活并适合产品及大规模应用等特点。公司里的AI装维质检以及文本分析方面皆可通过TensorFlow实现。希望通过对本文的学习，大家对TensorFlow的有所了解，并可以使用Tens 阅读全文
摘要：
介绍本菜鸟怎么在Windows10系统上，登录Github，创建Repositories，上传代码。 step1：下载安装Git客户端 https://git scm.com/downloads/ 安装成功后电脑软件目录栏会出现 step2：新建Repositories 1、打开登录自己的githu 阅读全文
摘要：
一、环境搭建 当前：Windows10 + Anaconda3.6 1.1 创建PyTorch的虚拟环境 打开Anaconda中的Anaconda Prompt那个黑框框，输入： 之后输入y，创建pytorch虚拟环境。以下是一些常规命令： 1.2 安装PyTorch 链接PyTorch官网，可以任 阅读全文
摘要：
一、什么是类不平衡 在分类中经常会遇到：某些类别数据特别多，某类或者几类数据特别少。如二分类中，一种类别（反例）数据特别多，另一种类别（正例）数据少的可怜。如银行欺诈问题，客户流失问题，电力盗窃以及罕见疾病识别等都存在着数据类别不均衡的情况。 二、为什么要对类不平衡进行特殊处理 传统的分类算法旨在最 阅读全文
摘要：
概括 Perceptron(感知器)是一个二分类线性模型，其输入的是特征向量，输出的是类别。Perceptron的作用即将数据分成正负两类的超平面。可以说是机器学习中最基本的分类器。 模型 Perceptron 一样属于线性分类器。 对于向量$X={x}_1,{x}_2,...{x}_n$，对于权重 阅读全文