自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(20)
  • 资源 (5)
  • 收藏
  • 关注

原创 天池可视化竞赛——“飞凤数创”物联网数据创新大赛TOP2方案总结

天池可视化竞赛——“飞凤数创”2018全球物联网数据创新大赛赛后总结##天池数据可视化竞赛官网链接。##“飞凤数创”数据可视化竞赛阿里云官网链接。##作品的完整版介绍视频链接。####  飞凤览“山海”数海汇新吴,飞凤平台是无锡高新区(新吴区)政府和阿里云计算有限公司共同打造的物联网开放平台,为了共同促进鸿山物联网小镇和慧海湾感知小镇建设,特举办“飞凤数创”2018全球物联网数据创新大赛,...

2018-12-24 10:44:42 1681 1

原创 【天池大数据竞赛】“数智教育”2019数据可视化竞赛亚军方案总结

【天池大数据竞赛】“数智教育”2019数据可视化竞赛亚军方案总结  “数智教育”是我第二次参加天池的可视化的竞赛,对于我们来说,比赛最吸引人的地方在于天池的竞赛数据基于真实应用场景,在系统的设计与开发的过程,去解决一些实际应用的问题,是一件“让技术有温度”的事儿。在比赛的过程,我们锻炼了我们数据分析的能力,前端开发能力和可视化方面的知识。答辩的过程,也让我们开阔了视野和思路,受益良多~下面为...

2019-08-22 15:52:55 6098 9

原创 天池大数据竞赛——糖尿病遗传风险预测赛后总结(二)

天池大数据竞赛——天池精准医疗大赛人工智能辅助糖尿病遗传风险预测赛后总结天池大数据竞赛官方网址(链接)六、预测算法1. LightGBM  LightGBM利用基于histogram的算法,通过将连续特征(属性)值分段为discrete bins来加快训练的速度并减少内存的使用。直方图算法的基本思想:先把连续的浮点特征值离散化成k个整数,同时构造一个宽度为k的直方图。遍...

2018-06-04 16:51:33 7613 21

原创 An Automatic Detection Scheme for Periodic Signals Based on Spectrum Analyzer Measurements 导读

An Automatic Detection Scheme for Periodic Signals Based on Spectrum Analyzer Measurements 导读Summary1.AbstractThe Basic structure of the system:(1)Use the Spectrum Analyzer to measure ...

2018-03-25 16:40:26 469

原创 seaborn绘制热力图坐标标签

seaborn绘制热力图坐标标签调整seaborn中的热力图,有利于数据特征的关联性表示,除去导入部分,绘制部分代码如下:mpl.rcParams['font.sans-serif'] = ['FangSong']corrmat = train.corr()f,ax = plt.subplots(figsize=(12,9))ax.set_xticklabels(corrmat,

2018-01-22 19:21:58 23588 1

原创 XGBoost基本参数与调参

XGBoost基本参数理解与设置本文讨论XGBoost使用过程中调试参数的基本意义与设置,参考于一篇国外大佬文章。链接在此。一、基本参数1. booster [default : gbtree](1) gbtree:以树为基础的模型。 (2) gbliner:线性模型。2. silent [default : 0]设置为1时起作用(也就是运行时,不打印相关

2018-01-18 21:36:45 1414

转载 数据处理包Pandas常用语句

转自Bryan的博客# coding=gbk ''''' Created on 2016年6月1日 @author: bryan ''' import pandas as pd import numpy as np import matplotlib.pyplot as plt # 1、可以通过传递一个list对象来创建一个Series,pandas会默认创建整型索引:

2017-11-04 15:44:02 640

原创 Anaconda3下XGBoost的安装与配置

Anaconda3下XGBoost的安装与配置XGBoost作为一种数据挖掘比赛常用算法,其使用频率不言而喻。而XGBoost算法在Python中只支持Python3的版本,同时Anaconda非常适合大数据量处理,所以介绍Anaconda3的安装过程以及XGBoost在Anaconda下的安装。XGBoost安装只支持Python3,如图: Anaconda3的下载地址可以从官网上下载,但是

2017-10-26 20:07:06 4605

原创 Python特殊语法:filter、map、reduce、lambda

Python特殊语法:filter、map、reduce、lambdafilter(function, sequence):对sequence中的item依次执行function(item),将执行结果为True的item组成一个List/String/Tuple(取决于sequence的类型)返回:>>> def f(x): return x % 2 != 0 and x % 3 != 0 >>

2017-10-24 20:43:40 272

原创 Pandas处理数据出现MemoryError与Anaconda的安装

Pandas处理数据出现MemoryError与Anaconda的安装使用Python与Pandas对数据进行处理时,会产生MemoryError的问题,如下图所示,因为博主的编译环境为Python2.7.13,但是Python为32位时,Pandas处理数据的使用内存为4G左右,经常会出现MemoryError的问题,因为内存不够导致程序无法运行。 解决方法:安装Anaconda的64位的版

2017-10-19 22:17:49 5765

原创 机器学习笔记8:基于TensorFlow的数据预测

机器学习笔记8:基于TensorFlow的数据预测

2017-08-27 18:32:32 2524

原创 机器学习笔记7:TensorFlow进阶之利用CNN训练MNIST

机器学习笔记7:TensorFlow进阶之利用CNN训练MNIST

2017-08-27 17:38:14 581

原创 机器学习笔记6:TensorFlow入门之MNIST数据集训练

机器学习笔记6:TensorFlow 入门之MNIST数据集训练

2017-08-27 16:41:20 751

原创 机器学习笔记5:TensorFlow的了解与运行

机器学习笔记5:TensorFlow的了解与运行

2017-08-27 15:33:09 470

原创 机器学习笔记4:TensorFlow基础入门介绍

机器学习笔记4:TensorFlow基础入门介绍

2017-08-26 16:59:29 1217

原创 机器学习笔记3:支持向量机的SMO高效优化算法

机器学习笔记3:支持向量机的SMO高效优化算法

2017-08-15 19:54:16 2183

原创 机器学习笔记2:支持向量机SVM基础入门

机器学习笔记2:支持向量机SVM基础概念

2017-08-13 16:55:02 639

原创 机器学习笔记1:基于Logistic回归进行数据预测

机器学习笔记1:基于Logistic回归进行数据预测

2017-08-08 20:49:23 9505

原创 Python Matplotlib实现三维/四维数据的柱状图绘制

本文通过Python2.7+Matplotlib在Pycharm平台实现三维/四维数据的柱状图绘制

2017-08-07 21:34:45 37222 5

原创 Python Matplotlib实现三维数据的散点图绘制

本文采用Python2.7+Matplotlib在PyCharm平台实现实现三维数据的散点图绘制

2017-08-07 17:13:43 19845 2

电子科技大学王也洲图论资源

电子科技大学王也洲教授图论课件,其中包括重点复习内容。

2018-05-21

Deep Learning with Python

Deep Learning with Python 英文版

2017-08-14

TensorFlow Machine Learning Cookbook

TensorFlow Machine Learning Cookbook

2017-08-14

支持向量机通俗导论

原创July老师。

2017-08-14

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除