12 2018 档案
摘要：灰色预测实现见：https://www.jianshu.com/p/a35ba96d852bfrom pandas import Series from pandas import DataFrame import pandas as pd import matplotlib.pyplot as plt class Gray_model: def __init__(self): ...
阅读全文
摘要：<!-- flowchart 箭头图标 勿删 --> 1，数组 2，List，ListBuffer 3, Map , mutable.Map <!-- flowchart 箭头图标 勿删 --> 1，数组 2，List，ListBuffer 3, Map , mutable.Map 1，数组 2，L
阅读全文
摘要：1、心得： 在使用TensorFlow做非线性拟合的时候注意的一点就是输出层不能使用激活函数，这样就会把整个区间映射到激活函数的值域范围内无法收敛。 # coding:utf-8 import tensorflow as tf import numpy as np import matplotlib
阅读全文
摘要：# coding:utf-8 import time import matplotlib.pyplot as plt from autokeras import ImageClassifier # 保存和导入模型方法 from autokeras.utils import pickle_to_fil
阅读全文
摘要：# 我在训练自己的人脸分类模型的时候发现图片的维度不能太高，经过很多次测试过后觉得一般人脸图片分为28*28大小训练的效果比较好。建议在使用其训练自己的物体识别模型的时候，尽量把图片压缩到28*28# coding:utf-8 import time import matplotlib.pyplot as plt from autokeras import ImageClassifier fr...
阅读全文
摘要：1、先把字符串时间转为时间类型： 2、对时间进行排序:
阅读全文
摘要：xgb使用sklearn接口(推荐) XGBClassifier 5.3 基于Scikit-learn接口的分类 输出结果：Accuracy: 96.67 % 基于Scikit-learn接口的回归 参数调优的一般方法 我们会使用和GBM中相似的方法。需要进行如下步骤： 1. 选择较高的学习速率(l
阅读全文
摘要：# coding:utf-8 import numpy as np import matplotlib.pyplot as plt x = np.arange(-5/2,5/2,0.01) y = -x**3+x**2+np.e+x**4 dy = lambda x:-3*x**2+2*x+4*x**3 dyy = lambda x:-6*x+2+12*x**2 a = 0.001 def...
阅读全文
摘要：一、acc、recall、F1、混淆矩阵、分类综合报告 1、准确率 第一种方式：accuracy_score # 准确率import numpy as np from sklearn.metrics import accuracy_score y_pred = [0, 2, 1, 3,9,9,8,5
阅读全文
摘要：# codind:utf-8 from sklearn.linear_model import SGDRegressor,LinearRegression,Ridge from sklearn.preprocessing import PolynomialFeatures import numpy as np import matplotlib.pyplot as plt x = np.ar...
阅读全文
