![](../../asset/images/user/bgImg_default.jpeg)
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
右键点击电脑右下角的Nvidia设置,打开Nvidia控制面板,再点击左下角的系统信息,然后选择组件,查看驱动版本,图中红框NVIDIA CUDA后面的版本号必须大于等于11.0,如果小于11.0,则需要更新Nvidia的驱动。3. 环境创建好以后,需要配置一下cudatoolkit的镜像源,系统默认使用国外的镜像源,速度会非常慢,而且极大的概率会中断,在Anaconda Prompt中以此输入下
![文章图片](https://img-blog.csdnimg.cn/img_convert/77fcfea2a41749d7867f62f0e98b01ca.png)
前言随机森林(Random Forest) 是Bagging(一种并行式的集成学习方法)的一个拓展体,它的基学习器固定为决策树,多棵树也就组成了森林,而“随机”则在于选择划分属性的随机,随机森林在训练基学习器时,也采用有放回采样的方式添加样本扰动,同时它还引入了一种属性扰动,即在基决策树的训练过程中,在选择划分属性时,Random Forest先从候选属性集中随机挑选出一个包含K个属性的子集,再从
![文章图片](https://img-blog.csdnimg.cn/img_convert/62652ecb6fb744d8aedcad4543b66684.png)
这个方法的优势在于,同时重复运用随机产生的子样本进行训练和验证,每次的结果验证一次,10次交叉验证是最常用的。,就是把一个大的数据集分为 k kk 个小数据集,其中 k − 1 k-1k−1 个作为训练集,剩下的 1 11 个作为测试集,在训练和测试的时候依次选择训练集和它对应的测试集。,顾名思义,就是使 k 等于数据集中数据的个数,每次只使用一个作为测试集,剩下的全部作为训练集,这种方法得出的结
![文章图片](https://img-blog.csdnimg.cn/img_convert/77fcfea2a41749d7867f62f0e98b01ca.png)
分子指纹(Molecular fingerprints)可以低计算成本的方式表示大规模化学数据集中化合物的化学(结构、物理化学等)性质。它们在将化学数据集中的分子转换为适合于计算方法的一致输入格式(bit向量或数值)方面发挥着重要作用。在这篇综述中,
![文章图片](https://img-blog.csdnimg.cn/cac9a138b63d46eb8b61be557f225a53.png)
赞美Pycharm,并记录我踩过的所有坑只有 Pycharm 的 Professional 版才支持 Jupyter Notebook,请注意版本Pycharm的Professional版有官方学生免费:Free Educational Licenses - Community Support,在读书的同学请务必一试,亲测学信网下载个在读证明就行Pycharm有着丝般顺滑的代码补全功能,能大大提升
![文章图片](https://img-blog.csdnimg.cn/img_convert/48a3ef3f4588483b90967069e3e02747.png)