这是一个利用dlib进行关键点定位 + opencv处理的人脸对齐、换脸、关键点识别的小demo。原文来自于《Switching Eds: Face swapping with Python, dlib, and OpenCV》该博文的github地址中有所有的code。这边我将我抽取的code放在自己的github之中，可以来这下载:https://github.com/mattzhen...

受苏神的《最小熵原理（五）：“层层递进”之社区发现与聚类》启发，拿来做词聚类，看苏神的贴出来的效果蛮好，就上手试了试，感觉确实不错。最新的v1.0版本还有专门网站：https://mapequation.github.io/infomap/1 简单的理论Infomap 的双层编码方式把群组识别（社区发现）同信息编码联系到了一起。一个好的群组划分，可以带来更短的编码。所以，如果能量化编码长度...

win10专业版可以利用Hyper-V开启docker，一般升级而来的都是家庭版，现在要升级到win10专业版， 需要产品秘钥。github网址：https://github.com/docker/for-win.一、Docker for Windows安装的教程可以看：http://blog.csdn.net/zdy0_2004/article/details/52084452

文章目录1 causalnex 介绍1.1 安装2 使用的模型1 causalnex 介绍1.1 安装pip install causalnexgithub:https://github.com/quantumblacklabs/causalnex文档链接:https://causalnex.readthedocs.io/en/latest/02_getting_started/02_instal

CausalML，这是一个开放源码的Python包，它提供了一套基于最近研究的机器学习算法的提升建模和因果推理方法。我们将介绍CausalML的主要组成部分:(2) 验证/分析方法(如合成数据生成、AUUC、敏感性分析、可解释性)，(3) 优化方法(如策略优化、价值优化、单元选择)。github：https://github.com/uber/causalml其余两篇开源项目的文章：因果推断笔记—

chatchat使用笔记

chatchat使用笔记

sd反推prompt

笔者寄语：本文是《R语言数据分析与挖掘实战》异常值处理一般分为以下几个步骤：异常值检测、异常值筛选、异常值处理。其中异常值检测的方法主要有：箱型图、简单统计量（比如观察极值）异常值处理方法主要有：删除法、插补法、替换法。提到异常值不得不说一个词：鲁棒性。就是不受异常值影响，一般是鲁棒性高的数据，比较优质。一、异常值检验异常值大概包括缺失值、离群值、重复值

一、数据合并1、merge()函数最常用merge()函数，但是这个函数使用时候这两种情况需要注意：1、merge(a,b)，纯粹地把两个数据集合在一起，没有沟通a、b数据集的by，这样出现的数据很多，相当于a*b条数据；2、merge函数是匹配到a,b数据集的并，都有的才匹配出来，如果a、b数据集ID不同，这个函数不够用。#横向合并ID<-c(1,2,3,4)name<-