学习 Python 之 Pandas库
学习 Python 之 Pandas库Pandas库什么是Pandas库?DataFrame 创建和存储1. 使用DataFrame构造函数(1). 使用列表创建(2). 使用字典创建(3). 从另一个DataFrame对象创建2. 从文件读取(1). 从.csv文件读取(2). 从excel文件读
Python模糊基础点--集合中的交集、并集与差集特性、数据序列中的公共方法、列表集合字典推导式
目录集合中的交集、并集与差集特性数据序列中的公共方法第一部分第二部分序列类型之间的相互转换list()：把某个序列类型的数据转化为列表tuple()：把某个序列类型的数据转化为元组set()：将某个序列转换成集合（集合可以快速完成列表去重并且不支持下标）列表集合字典推导式列表推导式字典推导式集合推导
一文搞懂如何使用饱和预测
本文采用Prophet模型对时间序列进行饱和预测，饱和预测通俗一点理解就是在对一系列参数进行预测时会达到一个顶点，我们需要研究的就是预测这个饱和点。
PyTorch 全连接层权值共享的手势识别网络
机器人学实验课的考核是，利用机械臂做一下拓展应用，所以花了很多时间来设计了这个神经网络因为这个神经网络的思路比较新颖，而且尝试了一些防止过拟合、性能优化的手段，所以决定记录一下模型性能time FPS FLOTs Params (float16) 4.195 ms 238 9,
OPENCV图像直方图以及均值化
直方图是我们在照片中使用来查看图像中每个值有多少像素，照片中的每个像素的值都从0(黑色)到255(白色)，图的左侧代表音阶的暗色调，右侧代表较亮的色调。在彩色摄影中，每个像素对于每种颜色都有其自己的值(0-255)。图片中的直方图显示了每种颜色(红色，蓝色和绿色)的像素值分布.图像直方图，也叫灰度直
手把手带你玩转Spark机器学习-使用Spark构建回归模型
系列文章目录手把手带你玩转Spark机器学习-专栏介绍手把手带你玩转Spark机器学习-问题汇总[持续更新]手把手带你玩转Spark机器学习-Spark的安装及使用手把手带你玩转Spark机器学习-使用Spark进行数据处理和数据转换手把手带你玩转Spark机器学习-使用Spark构建分类模型文章目
在没有训练数据的情况下通过领域知识利用弱监督方法生成NLP大型标记数据集
介绍了弱监督的概念，以及如何使用它来将专家的领域知识编码到机器学习模型中。我还讨论了一些标记模型。在两步弱监督方法中结合这些框架，可以在不收集大量手动标记训练数据集的情况下实现与全监督ML模型相媲美的准确性!
(详细步骤和代码)利用A100 GPU加速Tensorflow
利用A100 GPU加速TensorflowNVIDIA A100 基于 NVIDIA Ampere GPU 架构，提供一系列令人兴奋的新功能：第三代张量核心、多实例 GPU (MIG) 和第三代 NVLink。Ampere Tensor Cores 引入了一种专门用于 AI 训练的新型数学模式：T
机器学习3-特征工程个人笔记
特征缩放和特征降维操作，sklearn的preprocessing标准化、归一化、二值化、独热编码的使用，sklearn的decomposition中pca、ica降维和discriminant_analysis中lda降维操作。
Pytorch框架学习路径(二：张量操作)
张量操作文章目录张量操作张量拼接与切分torch.cat()torch.stack()torch.chunk()torch.split()张量索引torch.index_select()torch.masked_select()张量变换torch.reshape()torch.transpose()
机器学习SVD作业
作业作业1：利用SVD分解，完成china.jpg文件的压缩与显示。代码from skimage import ioimport matplotlib.pyplot as pltimport numpy as npdef getImgAsMatFromFile(filename): img =
python_视频中语音识别转出文本
注意：没有“stepladder”的同学建议不要看啦1. 安装需要的包1.1 安装SpeechRecognition包pip install SpeechRecognition1.2 安装 PockSphinx包在线装总是失败，采用本地安装https://www.lfd.uci.edu/~gohlk
Pytorch框架学习路径(三：线性回归)
线性回归文章目录什么是线性回归 ？线性回归求解步骤代码实现什么是线性回归 ？线性回归是分析一个变量与另外一（多）个变量之间关系的方法线性回归求解步骤代码实现import torchimport matplotlib.pyplot as plttorch.manual_seed(10)lr = 0.0
PyTorch强化学习实战（1）——强化学习环境配置与PyTorch基础
工欲善其事，必先利其器。为了更专注于学习强化学习的思想，而不必关注其底层的计算细节，我们首先搭建相关强化学习环境，包括 PyTorch 和 Gym，其中 PyTorch 是我们将要使用的主要深度学习框架，Gym 则提供了用于各种强化学习模拟和任务的环境。除此之外，本文还介绍了一些 PyTorch 的
机器学习实验之肿瘤预测（决策树）
肿瘤预测（决策树）【实验内容】 基于威斯康辛乳腺癌数据集，采用决策树的方法进行肿瘤预测。【实验要求】1.加载sklearn自带的威斯康星乳腺癌数据集，探索数据。2.进行数据集分割。3.配置决策树模型。4.训练决策树模型。5.模型预测。6.模型评估。7.参数调优。可以根据评估结果，对模型设置或调整为更
李宏毅老师《机器学习》课程笔记-4.2 Batch Normalization
介绍了Deep Neural Network 的加速优化的一个方法： Batch Normalization
基于用户的协同过滤算法（二）：用户相似度计算的改进
用户相似度计算的改进上一节介绍了计算用户兴趣相似度的最简单的公式（余弦相似度公式），但这个公式过于粗糙，本节将讨论如何改进该公式来提高UserCF的推荐性能。首先，以图书为例，如果两个用户都曾经买过《新华字典》，这丝毫不能说明他们兴趣相似，因为绝大多数中国人小时候都买过《新华字典》。但如果两个用户都
Python opencv之实现简单的图像处理
Python用opencv实现对简单的图像进行处理，分割。pip install opencv-python ，pip install matplotlib2.对图片做灰度处理3.对图片做二值化处理4.提取轮廓5.对轮廓画矩形框6.分割图片并保存。
立体匹配入门指南（8）：视差图、深度图、点云
视差图、深度图和点云
