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

深度学习2.0-17.随机梯度下降之函数优化实战(himmelblau)

文章目录import osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'importnumpy as npfrommpl_toolkits.mplot3d import Axes3Dfrommatplotlib import pyplot as pltimporttensorflow as tf# 绘图# 定义函数def himmelblau(x):return

#深度学习#tensorflow#python
TSNE—聚类结果可视化

文章目录一、TSNE参数解析  TSNE的定位是高维数据可视化。对于聚类来说,输入的特征维数是高维的(大于三维),一般难以直接以原特征对聚类结果进行展示。而TSNE提供了一种有效的数据降维模式,是一种非线性降维算法,让我们可以在2维或者3维的空间里展示聚类结果。一、TSNE参数解析  t-SNE是一个可视化高维数据的工具。它将数据点之间的相似性转换为联合概率,并试图最小化低维嵌入数据和高维数据联合

数据挖掘实战—商品零售购物篮分析

文章目录引言一、数据探索性分析1.数据质量分析1.1 缺失值分析1.2 异常值分析1.3 重复数据分析2.数据特征分析2.1 描述性统计分析2.2 分布分析引言  购物篮分析是通过发现顾客在一次购买行为中放入购物篮中不同商品之间的关联,研究顾客的购买行为,从而辅助零售企业制定营销策略的一种数据分析方法。本文使用Apriori关联规则算法实现购物篮分析,发现超市不同商品之间的关联关系,并根据商品之间

#数据挖掘
数据挖掘实战—家用热水器用户行为分析与事件识别

文章目录引言一、数据探索分析1.数据质量分析1.1缺失值分析1.2 异常值分析1.3 重复数据分析2.数据特征分析2.1 分布分析三、数据预处理1.数据归约之属性归约2.数据归约之数值归约引言  居民在使用家用热水器的过程中,会因为地区气候、不同区域和用户年龄性别差异等原因形成不同的使用习惯。家电企业若能深入了解其产品在不同用户群中的使用习惯,从而产商便可以对不同的客户群提供最适合的个性化产品,制

#数据挖掘
机器学习—XGboost的原理、工程实现与优缺点

文章目录一、xgboost简介二、xgboost原理1.从目标函数生成一棵树1.1学习第t颗树1.2xgboost的目标函数1.3泰勒公式展开1.4定义一棵树1.5定义树的复杂度1.6叶子节点归组1.7树结构打分2.一棵树的生成细节2.1最优切分点划分算法2.1.1贪心算法2.1.2近似算法2.2加权分位数缩略图2.3稀疏感知算法三、xgboost的工程实现3.1列块并行学习3.2缓存访问3.3

NLP学习—23.基于Transformer的机器翻译实战

文章目录  在Transformer的代码实现的基础上,采用机器翻译数据,进行基于Transformer的机器翻译实战—数据集代码链接。如果对您有帮助,麻烦点赞关注,这真的对我很重要!!!如果需要互关,请评论或者私信!...

#transformer#机器翻译#自然语言处理
python—IFrame:在jupyter notebook中展示某个网页的情况

文章目录很神奇的一个操作,不明觉厉!!!from IPython.display import IFrameIFrame('https://blog.csdn.net/weixin_46649052/category_10676786.html', width=1400, height=800)

统计学习方法读书笔记13-改进的迭代尺度法(优化算法)

文章目录1.改进的迭代尺度法1.改进的迭代尺度法

#算法#python
数据科学包12-实例1:股票数据分析

文章目录股票数据分析1.股票波动幅度分析增长曲线增长倍数当前增长倍数及复合增长率平均年化增长率股票数据分析1.股票波动幅度分析增长曲线增长倍数最大增长倍数及最大年化复合增长率计算最低价和最高价之间的收盘价比较,以及增长的倍数和年化复全增长率,这个反应的是一个股票最好的情况下的投资收益情况。当前增长倍数及复合增长率计算上市时的收盘价与当前的收盘价比较,增长的倍数和年化复全增长率。平均年化增长率计算每

#pandas#python
    共 26 条
  • 1
  • 2
  • 3
  • 请选择