- 博客(12)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 AttributeError: module ‘dask‘ has no attribute ‘delayed‘问题
使用xarray时出现错误首先是没有 no module dask使用 pip install dask出现以下问题AttributeError: module ‘dask’ has no attribute ‘delayed’.pip install dask[complete]: Install everything （使用这个解决问题）pip install dask[array]: Install dask and numpypip install dask[bag]: Ins
2022-03-24 15:13:35
1406
原创 linux安装cv2
直接输入pip install opencv-python如果报错：import cv2的错误记录：cv2 ImportError: libGL.so.1: cannot open shared object file: No such file or directory缺少相关依赖项，需要更新安装，执行命令：sudo apt-get updatesudo apt-get install -y libgl1-mesa-dev...
2022-03-23 18:40:08
10293
4
原创 yolov5环境搭建解决Microsoft Visual C++ 14.0 is required、DistributionNotFound:The ‘pycocotools＞=2.0‘ dist问题
文章目录前言解决办法一 下载cocoapi二 安装环境三、最后重新回到安装环境前言 在搭建yolov5的过程中，遇到的问题。pkg_resources.DistributionNotFound: The ‘pycocotools>=2.0’ distribution was not found and is required by the applicationMicrosoft Visual C++ 14.0 is required错误提示直接下载：https://visualst
2021-10-17 16:10:13
1301
8
原创 Java实现各种排序算法
文章目录Java实现各种排序算法一、使用到的工具类测试用类验证生成数据使用类二、排序1.选择排序测试代码2.插入排序总结Java实现各种排序算法由于现在工作，许多数同学是以java为语言基础去找工作，在此总结使用java实现的各种排序算法，以及每种排序的时间按复杂度等等知识点。一、使用到的工具类测试用类public class SortingHelper { // 构造方法私有化 private SortingHelper() { } // 验证 排序算法是否正
2021-10-06 17:42:22
89
原创 机器学习---线性回归推导以及python实现
机器学习笔记线性回归对于给定的特征X和标签y，可以直接调用sklearn里的LinearRegression()类初始化一个线性回归模型，之后通过fit()函数在给定的数据上做拟合。# 实例化一个线性回归模型regr = linear_model.LinearRegression()# 拟合给定数据regr.fit(X_train,y_train)拟合完之后对象regr里存储着已经训练好的线性回归模型的参数,并可以使用regr来对未来的数据做预测了。这里需要注意的是,对于给定的数据我们可以提
2021-08-02 14:10:12
843
原创 BP网络推导
typora-root-url: imageBPBPBP神经网络1.激活函数 激活函数（Activation Function）是在人工神经网络的神经元上运行的函数，负责将神经元的输入映射到输出端。激活函数对于人工神经网络模型去学习、理解复杂的非线性函数，具有十分重要的作用。 如果不使用激活函数，每一层输出都是上一层输入的线性运算，无论神经网络有多少层，最终的输出只是输入的线性组合，相当于感知机。如果使用了激活函数，将非线性因素引入到网络中，使得神经网络可以任意逼近任何非线性函数，能够应用.
2021-06-13 17:33:32
103
原创 逻辑回归--机器学习基础
文章目录逻辑回归一、逻辑回归中的条件概率1.1逻辑回归的应用1.2理解基准1.3分类问题二、使用步骤逻辑回归logistic回归是一种广义线性回归（generalized linear model），因此与多重线性回归分析有很多相同之处。它们的模型形式基本上相同，都具有 w‘x+b，其中w和b是待求参数。一、逻辑回归中的条件概率1.1逻辑回归的应用 逻辑回归是二分类问题的神器，非常简单实用，是在线上系统中使用率最高的模型。经典的二分类问题有预测贷款违约情况（违约/不会违约）
2021-06-11 13:49:39
277
原创 十分钟Pandas快速入门--机器学习基础（python）（二）
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录基本数据操作一、索引操作直接使用行列索引（先列后行）结合loc或者iloc使用索引二、使用步骤总结基本数据操作本文基本数据操作数据准备：# 创建一个符合均匀分布的数据集（634,7）import numpy as npimport pandas as pd # 生成数据data = np.random.uniform(-20,20, (634,7))# 生成行索引date = pd.date_range(sta
2021-06-08 17:35:32
176
2
原创 Pandas快速入门--机器学习基础（python）
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录内容预览Pandas的介绍为什么使用pandasDataFrameDataFrame结构DataFrame的常用属性DataFrame索引的设置修改行列索引值重设索引设置新索引MultiIndex与PanelMultiIndexPanelSeries创建SeriesSeries获取索引和值小结2.读入数据代码如下（示例）：data = pd.read_csv( 'https://labfile.oss.aliyunc
2021-06-03 23:10:22
152
原创 周志华机器学习---训练集外误差
文章目录前言一、基本术语1.数据集（dataset）2.样本（sample）3.属性（attribute）4.属性值（attribute value）5.属性空间（attribute space）6.学习（learning）/训练（training）7.训练数据（training data）8.训练样本（training sample）9.训练集（training set）10.假设（hypothesis）11.学习器（learner）12.标记（label）13.样例（example）14.分类（clas
2021-05-26 00:40:06
1767
7
转载 数据的标准化
数据的标准化 数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。 其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上，常见的数据归一化的方法有：min-max标准化(Min-max normalization)log函数转换atan函数转换z-score 标准化(zero-mean normalizatio
2021-05-22 17:52:11
6052
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人