logo
publist
写文章

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

基于大数据爬虫的全国空气质量指数实时数据可视化

from lxml import etreeimport urllibimport urllib.requestimport xlwtimport pandas as pdfrom pyecharts import Geoimport matplotlib.pyplot as pltimport matplotlib as mpldef getpage(url):req...

#爬虫#python
【深度学习】卷积神经网络识别猫和狗

原本想用keras的cifar10数据集,但是load_data()的过程太慢了,于是自己各找了猫和狗的10张RGB照片,并且通过opencv将图片全部压缩成32x32尺寸的图像,然后猫和狗各有7张图像用来训练卷积神经网络,剩余的各自3张用来进行测试,测试结果的高低很大程度上取决于训练集,如果训练集图像(指32x32尺寸)分辨率较高,卷积神经网络参数设置合理,最终测试结果的accuracy也会较高

#深度学习
基于sklearn的logistic回归对于鸢尾花的机器学习分类实践

sklearn(scikit-learn)是python机器学习常用的第三方模块,是一个开源的机器学习库,它支持监督学习和非监督学习。它还为模型拟合、数据预处理、模型选择和评估以及许多其他实用工具提供了各种工具。sklearn对机器学习的常用算法进行了封装,包括回归、降维、分类、聚类等。对于以下的机器学习分类实践所用到的函数及方法进行说明。1.np.c_[ ]和np.r_[ ]的用法解析&gt..

#机器学习#python#回归
python利用opencv对识别到的车牌号进行分割

import cv2 as cvimport numpy as npimport matplotlib.pyplot as pltimage=cv.imread("G:\\IDLE\\chepai.jpg")img=cv.GaussianBlur(image.copy(),(5,5),9)gray=cv.cvtColor(img,cv.COLOR_BGR2GRAY)ret,binary...

#opencv#计算机视觉
关于粒子群算法的两种惯性权重

在粒子群算法中,所谓惯性权重w即粒子能保持前一时刻运动状态的能力,在粒子群算法中格外重要。这里介绍两种常用的惯性权重算法:1.典型线性递减策略;2.线性微分递减策略。其中,算法所要解决典型线性递减策略的w计算公式如下:...

【深度学习】卷积神经网络识别猫和狗

原本想用keras的cifar10数据集,但是load_data()的过程太慢了,于是自己各找了猫和狗的10张RGB照片,并且通过opencv将图片全部压缩成32x32尺寸的图像,然后猫和狗各有7张图像用来训练卷积神经网络,剩余的各自3张用来进行测试,测试结果的高低很大程度上取决于训练集,如果训练集图像(指32x32尺寸)分辨率较高,卷积神经网络参数设置合理,最终测试结果的accuracy也会较高

#深度学习
基于大数据爬虫的全国空气质量指数实时数据可视化

from lxml import etreeimport urllibimport urllib.requestimport xlwtimport pandas as pdfrom pyecharts import Geoimport matplotlib.pyplot as pltimport matplotlib as mpldef getpage(url):req...

#爬虫#python
基于sklearn的logistic回归对于鸢尾花的机器学习分类实践

sklearn(scikit-learn)是python机器学习常用的第三方模块,是一个开源的机器学习库,它支持监督学习和非监督学习。它还为模型拟合、数据预处理、模型选择和评估以及许多其他实用工具提供了各种工具。sklearn对机器学习的常用算法进行了封装,包括回归、降维、分类、聚类等。对于以下的机器学习分类实践所用到的函数及方法进行说明。1.np.c_[ ]和np.r_[ ]的用法解析&gt..

#机器学习#python#回归
tensorflow搭建神经网络回归模型与SVR机器学习模型对比

import numpy as npimport matplotlib.pyplot as pltimport tensorflow as tffrom sklearn import svmX = np.sort(5 * np.random.rand(100, 1), axis = 0)Y = np.sin(X).ravel()Y[::5] += 3 * (0.5 - np.random.rand

#神经网络#tensorflow
【机器学习】sklearn模型正则化参数总结

1.岭回归:sklearn.linear_model.RidgeRidge(alpha=1.0, fit_intercept=True, normalize=False,copy_X=True, max_iter=None, tol=1e-3,solver="auto", random_state=None)参数alpha为正则化系数,其值的大小与正则化强度成正比。参数alpha即为上式岭回归损失

    共 38 条
  • 1
  • 2
  • 3
  • 4
  • 请选择