- 博客(25)
- 收藏
- 关注
RSS订阅原创 图神经网络01 pyG环境搭建
使用python库pytorch-geometric(pyG)进行图神经网络的构建，该库以pytorch为基础。中选择torch-1.10.0+cu102版本，根据不同配置下载相应的四个包，cp38是python3.8的意思。因此，搭建pytorch+pyG+jupyter notebook的实验环境。解决方法：下载ipykernel包，把pyg环境在notebook中关联起来。pip下载对应版本的pytorch和cuda，参考官方网站。需要查看电脑显卡的cuda版本，选择
2023-02-06 11:29:22
498
原创 Leetcode day10
滑动窗口算法滑动窗口（Sliding Window）：在给定数组 / 字符串上维护一个固定长度或不定长度的窗口。可以对窗口进行滑动操作、缩放操作，以及维护最优解操作。滑动操作：窗口可按照一定方向进行移动。最常见的是向右侧移动。 缩放操作：对于不定长度的窗口，可以从左侧缩小窗口长度，也可以从右侧增大窗口长度。滑动窗口利用了双指针中的快慢指针技巧，我们可以将滑动窗口看做是快慢指针两个指针中间的区间，也可以可以将滑动窗口看做是快慢指针的一种特殊形式。滑动窗口分为以下两种：固定长度窗口、不定长度
2021-11-27 22:28:46
95
原创 Leetcode day09
数组双指针双指针分为「对撞指针」、「快慢指针」、「分离双指针」。对撞指针：两个指针方向相反。适合解决查找有序数组中满足某些约束条件的一组元素问题、字符串反转问题。 快慢指针：两个指针方向相同。适合解决数组中的移动、删除元素问题，或者链表中的判断是否有环、长度问题。 分离双指针：两个指针分别属于不同的数组 / 链表。适合解决有序数组合并，求交集、并集问题。344. 反转字符串难度简单491编写一个函数，其作用是将输入的字符串反转过来。输入字符串以字符数组s的形式给出。不要给另..
2021-11-27 21:24:15
91
原创 Leetcode day08
69. Sqrt(x)难度简单827给你一个非负整数x，计算并返回x的算术平方根。由于返回类型是整数，结果只保留整数部分，小数部分将被舍去 。注意：不允许使用任何内置指数函数和算符，例如pow(x, 0.5)或者x ** 0.5。示例 1：输入：x = 4输出：2示例 2：输入：x = 8输出：2解释：8 的算术平方根是 2.82842..., 由于返回类型是整数，小数部分将被舍去。解题思路：想法1. 用循环找出i*i<=x，...
2021-11-24 23:01:37
161
原创 Leetcode day07
35. 搜索插入位置难度简单1183给定一个排序数组和一个目标值，在数组中找到目标值，并返回其索引。如果目标值不存在于数组中，返回它将会被按顺序插入的位置。请必须使用时间复杂度为O(log n)的算法。示例 1:输入: nums = [1,3,5,6], target = 5输出: 2示例2:输入: nums = [1,3,5,6], target = 2输出: 1示例 3:输入: nums = [1,3,5,6], target = 7输出: 4...
2021-11-22 11:29:02
60
原创 Leetcode day04
283. 移动零难度简单1307给定一个数组nums，编写一个函数将所有0移动到数组的末尾，同时保持非零元素的相对顺序。示例:输入: [0,1,0,3,12]输出: [1,3,12,0,0]说明:必须在原数组上操作，不能拷贝额外的数组。 尽量减少操作次数。解题思路：删除数组的0，补充相同个数的0到列表末尾。代码：classSolution:defmoveZeroes(self,nums:List[int])->None:...
2021-11-21 22:28:10
85
原创 Leetcode day03
48. 旋转图像难度中等1060给定一个n×n的二维矩阵matrix表示一个图像。请你将图像顺时针旋转 90 度。你必须在原地旋转图像，这意味着你需要直接修改输入的二维矩阵。请不要使用另一个矩阵来旋转图像。示例 1：输入：matrix = [[1,2,3],[4,5,6],[7,8,9]]输出：[[7,4,1],[8,5,2],[9,6,3]]示例 2：输入：matrix = [[5,1,9,11],[2,4,8,10],[13,3,6,7],[...
2021-11-21 20:56:22
182
原创 Leetcode day02
66. 加一难度简单857给定一个由整数组成的非空数组所表示的非负整数，在该数的基础上加一。最高位数字存放在数组的首位， 数组中每个元素只存储单个数字。你可以假设除了整数 0 之外，这个整数不会以零开头。...
2021-11-17 22:13:39
91
原创 Leetcode day01
1. 两数之和难度简单12600给定一个整数数组nums和一个整数目标值target，请你在该数组中找出和为目标值target 的那两个整数，并返回它们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。你可以按任意顺序返回答案。示例 1：输入：nums = [2,7,11,15], target = 9输出：[0,1]解释：因为 nums[0] + nums[1] == 9 ，返回 [0, 1] 。示例 2：...
2021-11-15 23:04:22
103
原创 吃瓜笔记08 集成学习
第八章 集成学习8.1 集成个体学习器：某种算法根据训练数据产生的分类器基学习器：同质集成中的个体学习器亦称"基学习器"组件学习器：指异质集成的个体学习器，也可直接称作个体学习器弱学习器(精度略高于50%的分类器)--强学习器在一般经验中，如果把好坏不等的东西掺到一起，那么通常结果会是比最坏的要好一些，比最好的要坏一些.集成学习把多个学习器结合起来，如何能获得比最好的单一学习器更好的性能呢？要获得好的集成，个体学习器应“好而不同”，即个体学习器要有一定的“准确性”，即学习器不能太
2021-10-07 10:37:57
168
原创 吃瓜笔记07 贝叶斯分类
7.1 贝叶斯决策论最大化后验概率：不难看出，欲使用贝叶斯判定准则来最小化决策风险，首先要获得后验概率P(c|x). 然而，在现实任务中这通常难以直接获得，从这个角度来看，机器学习所要实现的是基于有限的训练样本集尽可能准确地估计出后验概率P(c|x). 大体来说，主要有两种策略：给定a，可通过直接建模P(c|x)来预测c，这样得到的是“判别式模型”（discriminative models）；也可先对联合概率分布P(x,c)建模，然后再由此获得P(c|x)，这样得到的是“生成式模型"（...
2021-09-29 16:21:05
340
原创 吃瓜笔记06 支持向量机
学习内容：西瓜书和南瓜书--第6章讲解课程：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU）
2021-09-12 10:47:54
84
原创 吃瓜笔记05 神经网络
学习内容：西瓜书和南瓜书--第5章讲解课程：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU）第5章神经网络5.1神经元模型5.2感知机与多层网络5.3误差逆传播算法5.4全局最小与局部极小5.5其他常见神经网络5.6深度学习神经网络中最基本的成分是神经元（neuron）模型，在生物神经网络中，每个神经元与其他神经元相连，当它“兴奋”时，就会向相连的神经元发送化学物质，从而改变这些神经元内的电位；如果某神经元的电.
2021-09-02 21:56:28
230
原创 吃瓜笔记04 决策树
学习内容：西瓜书和南瓜书--第3章讲解课程：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU）显然，决策树的生成是一个递归过程，在决策树基本算法中，有三种情形会导致递归返回：（1）当前结点包含的样本全属于同一类别，无需划分；（2）当前属性集为空，或是所有样本在所有属性上取值相同，无法划分；（3）当前结点包含的样本集合为空，不能划分.在第（2）种情形下，我们把当前结点标记为叶结点，并将其类别设定为该结点所含样本最多的类别；在第（.
2021-08-29 14:24:44
100
原创 吃瓜笔记03 常见线性模型
学习内容：西瓜书和南瓜书--第1~2章讲解课程：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU）
2021-08-23 22:28:17
130
原创 吃瓜笔记01-02 机器学习绪论与模型评估指标
学习教材：西瓜书和南瓜书课程：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU）
2021-08-17 22:22:46
261
原创 集成学习07-Stacking
Stacking集成方法在比赛中被称为“懒人”算法，因为它不需要花费过多时间的调参就可以得到一个效果不错的算法，同时，Stacking算法容易理解，因为这种集成学习的方式不需要理解太多的理论，只需要在实际中加以运用即可。Stacking严格来说并不是一种算法，而是精美而又复杂的，对模型集成的一种策略。Stacking集成算法可以理解为一个两层的集成，第一层含有多个基础分类器，把预测的结果(元特征)提供给第二层， 而第二层的分类器通常是逻辑回归，他把一层分类器的结果当做特征做拟合输出预测结果。在介绍Sta
2021-07-28 23:29:06
342
1
原创 集成学习06-Boosting
本章中，我们主要探讨了基于Boosting方式的集成方法，其中主要讲解了基于错误率驱动的Adaboost，基于残差改进的提升树，基于梯度提升的GBDT，基于泰勒二阶近似的Xgboost以及LightGBM。在实际的比赛或者工程中，基于Boosting的集成学习方式是非常有效且应用非常广泛的。...
2021-07-25 23:20:59
229
2
原创 集成学习05-Bagging
集成学习属于模型融合的一部分，常见的集成学习包括Bagging、Boosting、Stacking等。集成学习 Bagging bootstrap自助采样 Boosting 叠加式算法 Stacking 一个学习器输出作为下一个学习器输入 1. 什么是模型融合模型融合：先产生一组”个体学习器” ，再用某种策略将它们结合起来，加强模型效果。模型融合策略：基本学习器学习完后，需要将各个模型进行融合，常见的策略有：（1）平均法： 平均法有一般的评价和加权平均..
2021-07-22 19:30:34
978
原创 集成学习03-偏差与方差理论
矩阵乘法的实质是对变量进行线性变换，如Ax = y，利用矩阵A将x向量变化为y向量。作业：1.请用一个具体的案例解释什么是偏差和方差。2.偏差与方差和误差之间的关系。3.训练误差与测试误差之间的联系和区别，如何估计测试误差。4.岭回归和lasso回归的异同点。5.如果使用pca降维前是一个三维的椭球，那么把该图形降维成二维是一个什么样的图形。6·尝试使用对偶理论和核函数对pca进行非线性拓展，使得pca变成非线性降维。（拓展题）7.本教程讲述的三种模型简化的方法之间...
2021-07-18 22:08:35
1099
原创 集成学习02-回归问题
要求：掌握机器学习回归的原理，并使用sklearn进行回归应用。使用sklearn构建机器学习项目流程：一般来说，一个完整的机器学习项目分为以下步骤：明确项目任务：回归/分类 收集数据集并选择合适的特征。 选择度量模型性能的指标。 选择具体的模型并进行训练以优化模型。 评估模型的性能并调参。回归模型：1.线性回归模型(a) 最小二乘估计：损失函数：可直接求权重：注：为什么误差函数不用|y-yreal|？ 首先，消除误差值的正负号影响，可以使用绝对值或平方解决；其
2021-07-15 22:52:14
511
原创 集成学习01-数学基础
给定下述Rosenbrock函数，，其中，。试编写程序完成下述工作：为不同的a,b取值，绘制该函数的3D表面。请问 a,b取值对该表面形状有大的影响吗？，所谓大影响就是形状不再相似。对a,b的取值区间，能否大致给出一个分类，像下面这样给出一张表： … 形状1的3D图形 形状2的3D图形 ...
2021-07-13 22:51:19
81
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人