- 博客(13)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 【Python】使用Labelme标注自己的数据集并由json生成Ground Truth
本文使用labelme标注自己的数据集，生成json文件，用python脚本读取json文件，生成用于深度学习训练的Ground Truth图片。
2022-05-16 22:22:33
12442
原创 Pytorch 自定义dataloader实现多通道按比例输入不同label数据
pytorch会通过本文自定义的dataloader，从ch1，ch2，ch3三个文件夹按一定比例提取img和mask中的数据作为模型输入，从而实现多通道按比例输入不同label数据。
2022-05-01 21:20:13
1433
原创 【Python】基于竞赛图法的NBA常规赛球队排名
本文将根据竞争图法和层次分析法的原理，通过python建立**能够处理不同场次的权重**NBA常规赛的球队排名的数学模型。
2021-12-29 21:44:34
1509
原创 【Python】基于自定义权限编码的树状权限管理系统设计
OA系统的权限，私企自建网站目标设计树状权限管理系统，给公司网页各功能进行权限的编码，并给员工授予相应的权限编码，实现了权限的严格且合理的划分，管理员更为便利地给各部门员工授权。权限编码中文字典数字字典权限解码数据库使用...
2021-07-14 22:57:18
502
2
原创 爬虫（二）：用python爬取亚马逊所有家具种类前100名的商品信息（下）
目标亚马逊公司（Amazon），是美国最大的一家网络电子商务公司，位于华盛顿州的西雅图，是网络上最早开始经营电子商务的公司之一，现在已成为全球商品品种最多的网上零售商和全球第二大互联网企业。本次目标是爬取亚马逊所有家具种类销售排行榜前100名的商品排名信息。上一篇博客已经把所有家具种类，以及种类页面链接爬取出来接下来是根据这些种类链接，分析页面HTML，得到该家具种类前100名商品的排名、照片链接、商品链接、标题、星级、评论数、最低价格和最高价格代码import requestsfrom
2021-06-15 17:16:54
1335
2
原创 爬虫（一）：用python爬取亚马逊所有家具种类前100名的商品信息（上）
目标亚马逊公司（Amazon），是美国最大的一家网络电子商务公司，位于华盛顿州的西雅图，是网络上最早开始经营电子商务的公司之一，现在已成为全球商品品种最多的网上零售商和全球第二大互联网企业。本次目标是爬取亚马逊所有家具种类销售排行榜前100名的商品排名信息。首先把所有家具种类，以及种类页面链接爬取出来代码import requestsfrom lxml import etreeimport pandas as pdimport timeimport refrom pandas impo
2021-06-13 19:39:03
2242
3
原创 【Python】cmd指令安装python第三方库的几种方法
Python具有非常强大的第三方库，它可以帮助你处理各种工作，包括正则表达式、文档生成、单元测试、线程、数据库、网页浏览器、CGI、FTP、电子邮件、XML、XML-RPC、HTML、WAV文件、密码系统、GUI(图形用户界面)、Tk和其他与系统有关的操作。而要想在自己代码中调用这些第三方库，首先需要提前安装。一般可以打开cmd，在命令提示符中输入安装指令。安装过程往往会因为网络，版本等各种问题，而导致安装失败。下面我讲介绍几种安装方法，合理运用这几种方法能够解决大部分安装问题。
2021-06-11 22:42:30
24155
4
原创 【git】从github上拉取项目到本地，并更新到github和码云gitee上
摘要git是目前世界上最先进的分布式版本控制系统。而Github是一个为用户提供Git服务的网站，GitHub是全英文并且用户基数多，上面有很多知名的开源项目。码云Gitee与GitHub类似，相当于是国内GitHub，码云Gitee上全是中文，而且大部分用户都是国人。在国内访问Github偶尔会有不稳定情况，而Gitee不会出现连接慢的情况，于是很多人会通过Gitee来下载github上的开源项目。git1.新建git文件夹（只是为了方便存储git项目）2.在git文件夹里git bush he
2021-06-10 11:15:22
2930
2
原创 【机器学习】LASSO回归、弹性网络回归（附python代码）
LASSO回归LASSO是由1996年Robert Tibshirani首次提出，该方法是一种压缩估计。与岭回归类似，LASSO也是通过构造一个惩罚函数得到一个性能更好的模型。相比于岭回归，LASSO更极端。它通过惩罚函数压缩回归系数，使得这些回归系数绝对值之和小于某个固定值，甚至将一些重复的没必要的参数直接缩减为0。因此LASSO保留了子集收缩的优点，达到提取有用特征的作用，是一种处理具有复共线性数据的有偏估计。LASSO回归与岭回归的模型的区别在于岭回归使用的是L2正则，而LASSO回归使用的是L1
2021-06-04 20:50:42
6329
2
原创 【机器学习】岭回归（Kernel Ridge Regression）附python代码
概述岭回归，又叫吉洪诺夫正则化，是由Hoerl和Kennard于1970年提出的是一种专用于共线性数据分析的有偏估计回归法。岭回归实际上是一种改良的最小二乘估计法，具有L2正则化的线性最小二乘法。回归算法的，本质就是为了解决一个线性方程，而标准估计方法是普通的最小二乘法的线性回归。岭回归线性回归模型的目标函数是 f(x,y)=∑i=1m(yi−xiTw)2f(x, y) = \sum_{i=1}^{m}(y_{i}-x_{i}^{T}w)^{2}f(x,y)=∑i=1m(yi−xiTw)2.
2021-06-04 12:50:25
6917
6
原创 【Stacking改进】基于随机采样与精度加权的Stacking算法
【Stacking改进】基于随机采样与精度加权的Stacking算法摘要近年来，人工智能的强势崛起让我们领略到人工智能技术的巨大潜力，机器学习也被广泛应用于各个领域，并取得不错的成果。本文以Kaggle竞赛House Prices的房价数据为实验样本，借鉴Bagging的自助采样法和k折交叉验证法，构建一种基于伪随机采样的Stacking集成模型，用于房价预测。首先利用GBDT对数据集进行简单训练，并得到各个特征重要性。接着对数据集进行多次随机采样，然后根据特征重要性进行属性扰动，组成多个训练数据子集和
2021-06-02 23:36:01
5604
17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人