- @weixin_46599926
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
多个项目部署到一个服务器上的部署方式：使用Docker将项目封装在独立的容器中。
本文仅给出最基础的baseline进行图像分类训练，后续可在此代码基础上对模型结构进行修改。
dataframe行和列的获取分三个维度行和列选取：df[]，一次只能选取行或列区域选取：df.loc[], df.iloc[]，可以同时为行或列设置筛选条件单元格选取：df.at[], df.iat[]，准确选取某个单元格先随机生成一个dataframeimport numpy as npimport pandas as pddf = pd.DataFrame(np.random.randn(1
翻了一下网上的资料，其中一种解决方法是sklearn库版本太低，可以更新库或重装库。
emotion analysis中往往会使用词典的方法获取句子的情绪这里使用Python和NRC词典获取句子的8种情绪总量NRC词典下载链接：NRC Word-Emotion Association Lexicon# load libraries for emotion analysisimport nltkfrom nltk.stem.snowball import SnowballStemme
对于一些离线预测任务，或者D+1天的预测任务，可以简单地采用Crontab做定时调用项目代码运行项目
异常值在一般的预测问题中，模型通常是对整体样本数据结构的一种表达方式，这种表达方式通常抓住的是整体样本一般性的性质，而那些在这些性质上表现完全与整体样本不一致的点，我们就称其为异常点，通常异常点在预测问题中是不受开发者欢迎的，因为预测问题通产关注的是整体样本的性质，而异常点的生成机制与整体样本完全不一致，如果算法对异常点敏感，那么生成的模型并不能对整体样本有一个较好的表达，从而预测也会不准确。从另
最近这段时间使用VMWare安装了一下Ubuntu版本的Linux虚拟机，在这里记录一下安装时参考的文章以及需要注意的细节。
我有一个DataFrame,如下df = pd.DataFrame(data=[[[1,2],[3,4],5,6],[[1,2],[0,0],0,0]],columns=['a','b','c','d'])df输出：abc d0[1,2] [3,4] 5 61[1,2] [0,0] 0 0然后我groupby再applydf.groupby('a').apply(lambda g:g)报错！...
前几天圣诞节，就随便画了个圣诞树来玩玩????源码在GitHub, 但我找不回来了????如果有源码链接麻烦告诉我这边放一下想留着这个代码我就放上来了效果图????代码????HTML<!DOCTYPE html><html lang="en"><head><meta charset="UTF-8"><title>圣诞????</t