
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
说明本文介绍如何提高Docker的下载速度。docker默认连接的国外官方镜像,国内进行docker pull 等操作会网络链接失败或很卡慢,解决方法是使用国内的镜像。好用的国内镜像(加速器)docker官方国内镜像 https : / / registry.docker-cn.com网易镜像 http : / / hub-mirror.c. 163 .com阿里云个人镜像地址(获取方法见本文最后
使用云服务器访问neo4j及开放端口
你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:撤销:Ctrl/Command + Z重做:Ctrl/Command + Y加粗:Ct
常用机器学习算法优缺点总结
利用docker部署TF深度学习模型
在我们建模的时候,我们要去选择出我们最棒的模型,就比如昨天的波士顿房价预测采用xgbt里面,我们最后需要选择出表现最好的那棵树,那怎么去评价好坏?上图蓝点是真实值,绿线为样本均值,黄线可以预测样本趋势,但是显而易见,黄线的MSE比绿线高,哪怕其能表达样本规律,MSE上黄线就是输了!如A类有995个,B类5个,我将1000个样本99.5%,你猜一个样本是不是A类的时候,99.5%的情况你都会猜对,岂
在机器学习项目中,数据遵循“garbage in, garbage out”,用不好或不对的数据做分析,会产生不好或无用的结论。数据和特征决定了模型精度的上限,算法只是不断趋于这个上限。项目中70%的时间花在特征工程上。......
在我们建模的时候,我们要去选择出我们最棒的模型,就比如昨天的波士顿房价预测采用xgbt里面,我们最后需要选择出表现最好的那棵树,那怎么去评价好坏?上图蓝点是真实值,绿线为样本均值,黄线可以预测样本趋势,但是显而易见,黄线的MSE比绿线高,哪怕其能表达样本规律,MSE上黄线就是输了!如A类有995个,B类5个,我将1000个样本99.5%,你猜一个样本是不是A类的时候,99.5%的情况你都会猜对,岂
解决conda创建环境速度慢的问题
在我们建模的时候,我们要去选择出我们最棒的模型,就比如昨天的波士顿房价预测采用xgbt里面,我们最后需要选择出表现最好的那棵树,那怎么去评价好坏?上图蓝点是真实值,绿线为样本均值,黄线可以预测样本趋势,但是显而易见,黄线的MSE比绿线高,哪怕其能表达样本规律,MSE上黄线就是输了!如A类有995个,B类5个,我将1000个样本99.5%,你猜一个样本是不是A类的时候,99.5%的情况你都会猜对,岂







