2 AVENGER辉

尚未进行身份认证

我要认证

越努力,越幸运

等级
TA的排名 7w+

数据分析和预测泰坦尼克号船员存活率(详细)

#通过pandas导入数据import pandas as pdtitanic=pd.read_csv("titanic_train.csv")print(titanic.head(5))#因为Age项里有空的数据,这里使用平均值去填补fillnatitanic["Age"]=titanic["Age"].fillna(titanic["Age"].median())print(titanic.describe())#将一些字符型变为数值方便处理print(titanic["Sex"].

2020-08-07 12:53:33

贝叶斯拼写检查器

求解:argmaxc P(c|w) -> argmaxc P(w|c) P©/ P(w)P©, 文章中出现一个正确拼写词 c 的概率, 也就是说, 在英语文章中, c 出现的概率有多大P(w|c), 在用户想键入 c 的情况下敲成 w 的概率. 因为这个是代表用户会以多大的概率把 c 敲错成 wargmaxc, 用来枚举所有可能的 c 并且选取概率最大的import re, collections# 把语料中的单词全部抽取出来, 转成小写, 并且去除单词中间的特殊符号#词频统计,并把最

2020-08-07 12:48:49

pandas数据分析泰坦尼克号船员信息

first_rows=food_info.head(3)#打印前3行print(first_rows)print(food_info.columns)#显示表头print(food_info.shape)#总的数据规模import pandas as pdfood_info=pd.read_csv("food_info.csv")print(food_info)#读取数据并显示,dataframe格式#print(food_info.loc[6])#利用索引查找指定行#print(fo

2020-08-03 20:38:44

如何入门Flask?(简单的小网页制作)

直接看代码吧,代码里有非常详细的注释from flask import Flaskfrom flask import render_templateimport requests#创建一个web应用程序app=Flask(__name__)#写一个函数来处理浏览器发过来的请求@app.route("/like")def index(): return "你好呀,我叫皮皮虾"#通过使用不同的路由进入不同的函数@app.route("/hello")def index2():

2020-05-19 09:03:33

iFLYOS文档学习笔记

一、什么是智能硬件开放平台?我们生活中,已经实现了人与人之间的连接,现在需要将人与机器设备连接,这就需要一套完整的系统和连接规则,那么这么好的系统为什么要开放给大家使用呢?其实之前通过学习Google的tensorflow框架了解到,开放出来其实是为了打造一个属于自己的生态,扩大自己的范围,...

2020-03-26 17:46:52

语音识别可执行代码笔记(有详细注释)(1)

需要学习语音识别,以下代码为jupyter部分,分开可执行。 from playsound import playsound playsound('audio_files/cn.mp3') #播放一段音频#调用音频查看结果import speech_recognition as srprint(sr.__version__)r=sr.Recognizer()harvard=sr.AudioFile('audio_file/harvard.wav')with harvard as sou

2020-05-14 10:03:29

OpenCV学习笔记(背景建模和光流估计)

背景建模1.帧差法由于场景中的目标在运动,目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧图像进行差分运算,不同帧对应的像素点相减,判断灰度差的绝对值,当绝对值超过一定阈值时,即可判断为运动目标,从而实现目标的检测功能。帧差法非常简单,但是会引入噪音和空洞(人物中间是黑色的)问题2.混合高斯模型在进行前景检测前,先对背景进行训练,对图像中每个背景采用一个混合高斯模型进行模...

2020-02-11 12:17:25

OpenCV(Scale Invariant Feature Transform(SIFT))尺度不变特征变换

咋一看这个名字,我也蒙了,这啥玩意?其实在介绍这个之前,就是如果我们很远看一幅图就大概知道是什么,在不同尺度下,计算机可以提取出一个统一的特征,这就是SIFT图像尺度空间:在一定的范围内,无论物体是大还是小,人眼都可以分辨出来,然而计算机要有相同的能力却很难,所以要让机器能够对物体在不同尺度下有一个统一的认知,就需要考虑图像在不同的尺度下都存在的特点。尺度空间的获取通常使用高斯模糊来实现...

2020-02-09 22:15:05

OpenCV学习笔记(harris角点检测)

在图像特征提取中,有一个角点的概念,角点和边界不一样,如下图所示基本原理第一张图中,当x和y移动时,所得到的像素差值并不是很大,我们认为这是图像的中间部分,第二张图中,当x或者y移动时,所得到的像素差值一个变化很大,一个变化很小,我们认为这是图像的边界部分,第三张图中,当x和y移动时,所得到的像素差值变化都很大,我们认为这是图像的角点。通过这一步的矩阵变换,我们使用了实对称矩阵一定...

2020-02-09 20:52:26

项目一:用OpenCV识别银行卡号

import cv2def sort_contours(cnts, method="left-to-right"): reverse = False i = 0 if method == "right-to-left" or method == "bottom-to-top": reverse = True if method == "top...

2020-01-29 21:25:52

OpenCV学习笔记(5傅里叶变换、模板匹配和直方图均衡化)

1.模板匹配模板匹配和卷积原理很像,模板在原图像上从原点开始滑动,计算模板与(图像被模板覆盖的地方)的差别程度,这个差别程度的计算方法在opencv里有6种,然后将每次计算的结果放入一个矩阵里,作为结果输出。假如原图形是AxB大小,而模板是axb大小,则输出结果的矩阵是(A-a+1)x(B-b+1)# 模板匹配img = cv2.imread('lena.jpg', 0)template ...

2020-01-29 15:53:24

OpenCV学习笔记(4图像金字塔和轮廓检测)

1.图像金字塔高斯金字塔拉普拉斯金字塔高斯金字塔:向下采样方法(缩小)高斯金字塔:向上采样方法(放大)#pyrUp的作用是扩大像素值。up=cv2.pyrUp(img)cv_show(up,'up')print (up.shape)#pyrDown的作用是缩小像素值。down=cv2.pyrDown(img)cv_show(down,'down')print (dow...

2020-01-27 19:00:36

OpenCV学习笔记(3图像梯度和边缘检测)

1.图像梯度(就是检测边缘)Sobel算子dst = cv2.Sobel(src, ddepth, dx, dy, ksize)ddepth:图像的深度dx和dy分别表示水平和竖直方向ksize是Sobel算子的大小sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)cv_show(sobelx,'sobelx')白到黑是正数,黑到白就是...

2020-01-27 14:24:12

OpenCV学习笔记(2)

1.灰度图import cv2 #opencv读取的格式是BGRimport numpy as npimport matplotlib.pyplot as plt#Matplotlib是RGB%matplotlib inline img=cv2.imread('cat.jpg')img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)img_g...

2020-01-26 16:18:44

OpenCV学习笔记(1)

先装上环境配置地址:Anaconda:https://www.anaconda.com/download/Python_whl:https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv关于下载opencv,我的是Mac+Anaconda,用了终端下载,非常方便,用了好多办法都不行,最后用一句命令解决了。打开Anaconda Prompt,输入co...

2020-01-25 00:07:20

RNN原理及其解决MNIST手写数字识别

前面学习到了全连接神经网络和卷积神经网络,以及它们的训练和使用。他们都只能单独的取处理一个个的输入,前一个输入和后一个输入是完全没有关系的。但是,某些任务需要能够更好的处理序列的信息,即前面的输入和后面的输入是有关系的。比如,当我们在理解一句话意思时,孤立的理解这句话的每个词是不够的,我们需要处理这些词连接起来的整个序列;当我们处理视频的时候,我们也不能只单独的去分析每一帧,而要分析这些帧连接起来...

2020-01-17 08:00:55

推荐一个非常好的深度学习教程

稍微需要一点数学基础,很全。https://zybuluo.com/hanbingtao/note/626300

2020-01-17 08:00:52

从此明白了卷积神经网络(CNN)

一、为什么要引入卷积神经网络?前面我们学习了全连接网络:每个神经元与前后相邻层的每一个神经元都有连接关系,输入是特征,输出为预测的结果。可以看到,一个28*28的黑白单通道图像,就要训练将近40万个参数,图像的分辨率一般很大的,RGB3通道,其参数将会更大。还有待优化的参数过多, 容易导致模型过拟合。 为避免这种现象 ,实际应用中一般 不会将原始图片直接喂入全连接网络 。在实际应用中,会先对...

2020-01-13 19:42:12

卷积神经网络应用于MNIST数据集分类(详细)

import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist=input_data.read_data_sets('MNIST_data',one_hot=True)batch_size=100n_batch=mnist.train.num_examples//batch_siz...

2020-01-12 11:17:10

MNIST数据集分类简单版本(详细)

import tensorflow as tfimport numpy as npfrom tensorflow.examples.tutorials.mnist import input_data#载入Mnist数据集mnist=input_data.read_data_sets("MNIST_data",one_hot=True)batch_size=100n_batch=mnis...

2020-01-12 10:51:52

查看更多

勋章 我的勋章
  • 签到达人
    签到达人
    累计签到获取,不积跬步,无以至千里,继续坚持!
  • 推荐红人
    推荐红人
    发布高质量Blink获得高赞和评论,进入推荐栏目即可获得
  • 新人勋章
    新人勋章
    用户发布第一条blink获赞超过3个即可获得
  • 阅读者勋章Lv1
    阅读者勋章Lv1
    授予在CSDN APP累计阅读博文达到3天的你,是你的坚持与努力,使你超越了昨天的自己。
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv3
    勤写标兵Lv3
    授予每个自然周发布7篇到8篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
  • 原力新人
    原力新人
    在《原力计划【第二季】》打卡挑战活动中,成功参与本活动并发布一篇原创文章的博主,即可获得此勋章。