笑云博文

摘要： 背景 生成的热力图的标尺不匹配，需要重新映射其标尺 例如，在下面的图片中，每个图片的标尺都不一样 HSV色彩空间 HSV色彩空间是一种将颜色描述为色相、饱和度和亮度三个参数的颜色模型。HSV代表了Hue（色相）、Saturation（饱和度）和Value（亮度）三个英文单词的缩写。 在HSV色彩空间 阅读全文

摘要： 本人在2023年寒假学习Pytorch笔记，主要是学习菜菜老师Pyorch的成果，现在分享如下： 阅读全文

摘要： 不同任务的评价标准由各种评估，大部分指标只能片面地反映模型的一部分性能。对模型指标的错误使用常常会导致结论错误。 模型评估的指标 准确率（Accuracy） 精确率（Precision） 召回率（Recall） 均方根误差（RMSE） .... 错误案例 例一 准确率的局限性 在奢侈品推送问题中，对 阅读全文

摘要： 特征归一化 目的：消除数据特征之间的量纲影响 方法： 名称 线性函数归一化（Min-Max Scaling) 零均值归一化(Z-Score Normalization) 方法 对原始数据进行线性变换，使结果映射到[0,1]的范围 将数据映射到均值为0，标准差为1的分布上 公式 \(X_{norm}= 阅读全文

摘要： 数据的探索型分析 数据的特征探索 数据探索性分析需要从两种方面来看： 字段vs标签 字段vs字段 数据分布分析 有可能因为训练集和验证集分布不一样，比如出现本地和线上得分变换趋势相反的情况。 可以构造一个分类器区分训练集和验证集，如果无法分辨样本（AUC接近0.5)说明数据分布一致，否则，说明训练集 阅读全文

摘要： 主成分分析（Principal Component Analysis, PCA ）是一种利用线性映射来进行数据降维的方法，并去除数据的相关性; 且最大限度保持原始数据的方差信息 线性映射，去相关性，方差保持 线性映射 \[ F = \sum_{i=1}^{p}u_iX_i = u^{T}X \] 相 阅读全文

摘要： bagging原理 bagging的思路是训练k个独立的基学习器，对于每个基学习器的结果进行结合（加权或者多数投票）来获得一个强学习器。 boostrap boost最早用于经济学，为了研究大样本中的特征值，通过有放回的多次采样研究样本的特征。 在原有的样本中通过重抽样抽取一定数量（比如100）的新 阅读全文

摘要： 是《自然语言处理》课程的小作业之一，内容是基于隐马尔科夫模型进行命名实体识别任务。 引言 本文要求基于HMM模型进行命名实体识别任务，数据集中共有十个标签类别，分别为: 地址（address），书名（book），公司（company），游戏 （game）政府（government）， 电影（movi 阅读全文

摘要： 首先定义绘制图像的函数，注意，opencv中的图像为BGR格式，与平时的RGB格式不符，所以需要在jupyternotebook中绘制的时候需要先转化。 def cv_imshow(image): img_to_plot = cv2.cvtColor(image, cv2.COLOR_BGR2RGB 阅读全文

摘要： 学习重点 torchvision包的使用 代码实现 导入相关的库 from __future__ import print_function, division import torch import torch.nn as nn import torch.nn.functional as F im 阅读全文