《城市公交IC卡·数据分析方法及应用》 陈学武、李海波、候贤耀著《城市公交IC卡·数据分析方法及应用》——基于换乘点的上车点识别·笔记换乘点通常情况下，公交乘客总是选择步行距离或者时间最短的站点间进行换乘，同时，换成距离应该在可接收的范围内如果两条公交线路之间，有且仅有　一对公交站点之间的步行距离在可接受的换乘距离之内　即正交换乘推导参数线路参数表包含以下字段：记录编号、线路编号、行车方向、发车间

《城市公交IC卡·数据分析方法及应用》 陈学武、李海波、候贤耀著《城市公交IC卡·数据分析方法及应用》基于IC&AVL数据的上车站点识别·笔记算法基本思路:此处算法的核心思想是：通过IC卡数据和AVL数据的时间匹配，获取IC卡记录对应的上车站点算法所需要的数据主要是公交IC卡数据和AVL定位数据以到离站时间数据为例公交刷卡数据包括：乘客IC卡卡号、卡类型、刷卡日期、刷卡时间、所乘线路编号、

《城市公交IC卡·数据分析方法及应用》——上车点识别·笔记一般情况下，IC卡是没有记录上车点的信息，需要结合其他数据对IC卡处理通常情况下，使用时间特征对数据匹配公交运营时间和乘客刷卡时间特征公交车辆运营一趟的的总时间：T=tan−tal=∑i=1k−1(Tsk−Trk)T = t_{an}-t_{al} = \sum_{i=1}^{k-1}(T_{sk}-T_{rk})T=tan​−tal​=i

YOLO V1目标检测 object detectionYOLOV１预测阶段 前向推断用图展示过程预测阶段 后处理NMS　Non-Maximum Suppression　非极大值抑制训练阶段 反向传播目标检测 object detection能够解决图像分类classification、图像定位localization、目标检测object detection、图像分割segmentation图像

Embedded嵌入法嵌入法是一种让算法自己决定使用哪些特征的方法，即特征选择和算法训练同时进行先使 用某些机器学习的算法和模型进行训练，得到各个特征的权值系数，根据权值系数从大到小选择特征这些权值系数往往代表了特征对于模型的某种贡献或某种重要性这些权值系 数往往代表了特征对于模型的某种贡献或某种重要性缺点过滤法中使用的统计量可以使用统计知识和常识来查找范围（如p值应当低于显著性水平0.05），而

《城市公交IC卡·数据分析方法及应用》 陈学武、李海波、候贤耀著《城市公交IC卡·数据分析方法及应用》——OD矩阵的推导·笔记一般而言，对公交数据流OD分析，所使用的数据中至少包括以下内容：卡编号、消费日期、 消费时间、车辆编号、线路编号数据提取公交数据的运营和服务性质决定了公交运营数据又很强的分布时段特性和周期性（早高峰、晚高峰），公交运营以一日、一周、一月作为基本运营时间单位。为了使公交数据体

大多数的情况下，会选择SandardScaler，因为MInMaxScaler对异常值非常敏感。在PCA、聚类、逻辑回归、SVM、神经网络这些算法中StandardScaler往往是最好的选择MinMaxScaler在不涉及距离度量、梯度、协方差计算以及数据需要被压缩到特定区间时使用广泛，比如数字图像 处理中量化像素强度时，都会使用MinMaxScaler将数据压缩于[0,1]区间之中。...

图相关的基本知识代码# -*- encoding: utf-8 -*-# @time:2022/2/10 12:51# @author: chenTao# @file:Graph_basic.pyimport numpy as npimport pandas as pdimport networkx as nxedges = pd.DataFrame()edges['sources'] = [1,

快速搭建导入包torch.nn包含了大量和网络相关的方法import torchimport torch.nn as nn使用GPU计算device = torch.device('cuda' if torch.cuda.is_available else 'cpu')device = torch.device('cuda:0')用第一块显卡计算，就一块显卡的话，传入'cuda'设立输入和输出to

Wrapper包装法包装法在初始特征集上训练评估器，并且通过 coef_属性或通过feature_importances_属性获得每个特征的重要性。然后，从当前的一组特征中修剪最不重要的 特征。在修剪的集合上递归地重复该过程，直到最终到达所需数量的要选择的特征。区别于过滤法和嵌入法的一次 训练解决所有问题，包装法要使用特征子集进行多次训练，因此它所需要的计算成本是最高的。的“算法”，指的是专业的