入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。致敬这里是参考上面链接的介绍再进行一些自己遇到的问题的补充。

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。注意要先安装GDAL再安装rasterio！！！方法一：pip install gdalpip install rasterio我是全部都报错都不行方法二：conda install gdalconda install rasterio我还是不行（哭泣二重奏）方法三：先下载对应的版本的whl文件

深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。目录一、NNLM的网络结构分析二、NNLM的代码实现一、NNLM的网络结构分析神经网络语言模型NNLM是概率语言模型，它通过神经网络来计算概率语言模型中每个参数。模型如图所示模型输入：，即输入的是的前n-1个词模型输出：根据这已知的 n- 1 个词预测下一个词其中上图：语料库的词向量表示

目录一、confusion_matrix.png —— 混淆矩阵二、F1_curve.png —— F1曲线三、labels.jpg ——标签四、labels_correlogram.jpg —— 体现中心点横纵坐标以及框的高宽间的关系五、P_curve.png ——单一类准确率六、R_curve.png —— 单一类召回率七、PR_curve.png ——精确率和召回率的关系图八、result.

###################全连接网络定义部分########################def __init__(self, num_input, num_output): # 全连接层初始化# 参数初始化def forward(self, input): # 前向传播计算# 全连接层的前向传播，计算输出结果self.output = np.matmul(self.input,se

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。目录一、LDA简介二、数学原理（以二分类为例子）1、设定2、每一类的均值和方差3、目标函数4、目标函数的求解三、多分类LDA四、LDA用途与优缺点1、用途2、优点3、缺点五、LDA的python应用1、调用函数LinearDiscriminantAnalysis2、常用参数意义3、常用返回值4、

深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。目录文章目录一、提出原因1、堆叠网络造成的问题2、解决深度网络的退化问题二、残差结构三、Resnet网络结构1.原理分析2、结构分析3、代码分析（内含分析和注释）一、提出原因1、堆叠网络造成的问题传统的想法是如果我们堆叠很多很多层，或许能让网络变得更好。然而现实却是：堆叠网络后网络难以收

入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。

无监督学习中最常见的即为聚类学习。聚类学习是按照某种特定标准(如距离等)把一个数据集划分为不同的类或簇（子集），使得同一个簇内的数据对象的相似性尽可能大，不在同一个簇中的数据对象的差异性也尽可能地大（即聚类后同一类的数据尽可能聚集到一起，不同类数据尽量分离）。这些划分后的概念对于聚类算法而言是未知的，簇所对应的概念语义需要我们自行接着探索，所以经常聚类被用作分类等其他学习任务的前驱过程。其中，u代

​目录一、常见方法与其核心二、这几种常见方法的优缺点和适用情况三、朴素贝叶斯分类器和逻辑回归的互通四、二分类到多分类五、类别不平衡问题一、常见方法与其核心1、线性判别分析以一种基于降维的方式将所有的样本映射到一维坐标轴上，然后设定一个阈值，将样本进行区分，映射依据为：类间间距大，类内间距小。以二分类为例：目标式：最大化——最终结果：详见线性判别分析(LDA)详解_tt丫的博客-CSDN博客_线性判