目录1、使用pandas来读取数据2、生成X，y数据3、划分训练集和测试集4、运行Scikit-Learn的线性模型5、对模型进行评价6、交叉验证7、画图观察真实值与预测值的变化关系数据源是单车共享数据，前期已经实现了特征工程(数据的预处理),所以可以直接拿来使用。1、使用pandas来读取数据from sklearn.model_selection im...

目录 1、什么是计算机视觉、计算机视觉构成要素2、demo（对图片高斯处理、灰度转换、阈值转换处理）3、计算机视觉研究发展1、什么是计算机视觉、计算机视觉构成要素2、demo（对图片高斯处理、灰度转换、阈值转换处理）3、计算机视觉研究发展   ...

原因分析:通常本地调试时是采用python manage.py runserver ip:port这种方式，但是项目部署后，需要考虑uwsgi服务器，每次修改代码都需要重启uwsgi。方案：代码修改后，进入服务器项目目录，查看uwsgi进程：ps -ef|grep uwsgi然后kill掉所有进程：killall -9 uwsgi再重启uwsgiuws...

目录1.XGBoostsgboost中树节点分裂时所采用的公式：xgboost的分裂步骤：xgboost总结LightGBM：基于决策树算法的分布式梯度提升框架LightGBM在模型的训练速度和内存方面的优化LightGBM的leaf-wise 的生长策略LightGBM支持类别型特征xgboost与LightGBM的区别1.XGBoostXGBo...

从分析粒度上可以分成：词语级语义分析、句子级语义分析以及篇章级语义分析。词语级的语义分析：词语级别的语义分析主要研究词语的含义，常见的任务有：词语消歧、词表示、同义词或上下位词的挖掘。1、词语消歧：一词多义是许多语言的固有属性，如“苹果”可以指水果，又可以指美国的科技公司。词语消歧的任务是判断文中出现的词语属于哪种意思。2、词表示：词表示的任务是用一个k维的向量表示一个词，并且该向...

目录 1、图像滤波与卷积（滤波与去噪）2、图像边缘检测3、直方图与阈值分割4、图像特征描述5、再论图像分割6、综合示例1、图像滤波与卷积（滤波与去噪）    图像平滑---平均滤波、加权平均滤波    中值滤波、图像形态学基本操作---膨胀、腐蚀    图像形态学操作---开闭运算、OpenCV实现2、图像边缘检测    边缘检测--...

在dataframe中根据一定的条件，得到符合要求的某行元素所在的位置。代码如下所示：df = pd.DataFrame({'BoolCol': [1, 2, 3, 3, 4],'attr': [22, 33, 22, 44, 66]},index=[10,20,30,40,50])print(df)a = df[(df.BoolCol==3)&(df.att...

本文总结了广告、推荐领域最为流行的 10 个深度学习 CTR 模型的结构特点，构建了它们之间的演化图谱。选择模型的标准尽量遵循下面三个原则：1、模型的在业界影响力较大的；2、已经被 Google、微软、阿里等知名互联网公司成功应用的；3、工程导向的，而不是仅用实验数据验证或学术创新用的。下面首先列出这张深度学习 CTR 模型的演化图谱，再对其进行逐一介绍：一、微软 Deep...

Kaggle上提交训练结果有两种方式：在Kaggle页面上直接提交使用指令提交先看第一种提交方式1、Kaggle页面上直接提交不过，目前为止这个页面我只见过一次，后面再打开就不能提交了，好吧这是强迫我使用命令行提交啊。2、使用指令提交结果首先，你要从kaggle上下载一个API Token，用以标识你的身份：点击下载后，会得到一...

nn.functional是一个很常用的模块，nn中的大多数layer在functional中都有一个与之对应的函数。nn.functional中的函数与nn.Module()的区别是：nn.Module实现的层（layer）是一个特殊的类，都是由class Layer(nn.Module)定义，会自动提取可学习的参数nn.functional中的函数更像是纯函数,由def functio...