- 本讲之前，先将高斯-赛德尔迭代法和雅克比迭代法以及迭代法求解线性方程组贴出来，毕竟收敛问题研究的是迭代方法的收敛问题。 进入主题： 判断迭代法收敛的办法： 1、首先根据方程组的系数矩阵A的特点判断； 2、可根据迭代矩阵的范数判断； 3、只好根据迭代矩阵的谱半径来判断； ———————————————————————————————————————————————————— ... 本讲之前，先将高斯-赛德尔迭代法和雅克比迭代法以及迭代法求解线性方程组贴出来，毕竟收敛问题研究的是迭代方法的收敛问题。 进入主题： 判断迭代法收敛的办法： 1、首先根据方程组的系数矩阵A的特点判断； 2、可根据迭代矩阵的范数判断； 3、只好根据迭代矩阵的谱半径来判断； ———————————————————————————————————————————————————— ...
- 记录第一次使用kaggle训练猫狗数据集 import os import shutil 12 os.listdir('../input/train/train') 1 base_dir = './cat_dog' train_dir = os.path.join(base_dir,'train') train_dir_dog = os.path.join... 记录第一次使用kaggle训练猫狗数据集 import os import shutil 12 os.listdir('../input/train/train') 1 base_dir = './cat_dog' train_dir = os.path.join(base_dir,'train') train_dir_dog = os.path.join...
- 来源:kaggle Machine Learning Micro-Course Home Page Recap Here’s the code you’ve written so far. Start by running it again. # Code you have previously used to load data import pandas... 来源:kaggle Machine Learning Micro-Course Home Page Recap Here’s the code you’ve written so far. Start by running it again. # Code you have previously used to load data import pandas...
- # bs4 nltk gensim import os import re import numpy as np import pandas as pd from bs4 import BeautifulSoup from sklearn.feature_extraction.text import CountVectorizer from sklearn.en... # bs4 nltk gensim import os import re import numpy as np import pandas as pd from bs4 import BeautifulSoup from sklearn.feature_extraction.text import CountVectorizer from sklearn.en...
- 案例流程 1) 制作词向量，可以使用gensim这个库，也可以直接用现成的 2) 词和ID的映射，常规套路了 3) 构建RNN网络架构 4) 训练我们的模型 5) 试试咋样 导入数据 首先，我们需要去创建词向量。为了简单起见，我们使用训练好的模型来创建。 作为该领域的一个最大玩家，Google 已经帮助我们在大规模数据集上训练出来了 Word2Vec 模型，包... 案例流程 1) 制作词向量，可以使用gensim这个库，也可以直接用现成的 2) 词和ID的映射，常规套路了 3) 构建RNN网络架构 4) 训练我们的模型 5) 试试咋样 导入数据 首先，我们需要去创建词向量。为了简单起见，我们使用训练好的模型来创建。 作为该领域的一个最大玩家，Google 已经帮助我们在大规模数据集上训练出来了 Word2Vec 模型，包...
- VGG16网络是13层卷积层，运算起来非常的忙，如果使用CPU基本跑不了 import keras from keras import layers import numpy as np import os import shutil 12345 还是猫狗数据集，2000张训练集，1000张测试集 base_dir = '../猫狗数据集/cat_dog' tr... VGG16网络是13层卷积层，运算起来非常的忙，如果使用CPU基本跑不了 import keras from keras import layers import numpy as np import os import shutil 12345 还是猫狗数据集，2000张训练集，1000张测试集 base_dir = '../猫狗数据集/cat_dog' tr...
- 参考：https://blog.csdn.net/m0_37870649/article/details/80979783 sklean的线性模型完成kaggle房价预测问题 https://www.kaggle.com/c/house-prices-Advanced-regression-techniques 赛题给我们79个描述房屋的特征，要求我们据此预测房屋的... 参考：https://blog.csdn.net/m0_37870649/article/details/80979783 sklean的线性模型完成kaggle房价预测问题 https://www.kaggle.com/c/house-prices-Advanced-regression-techniques 赛题给我们79个描述房屋的特征，要求我们据此预测房屋的...
- 大家都知道sklearn这玩意，听说过xlearn 吗？ xLearn 是一款高性能的，易用的，并且可扩展的机器学习算法库，你可以用它来解决大规模机器学习问题，尤其是大规模稀疏数据机器学习问题。 官方文档 https://xlearn-doc-cn.readthedocs.io/en/latest/python_api/ 在近年来，大规模稀疏数据机器学习算法被广泛... 大家都知道sklearn这玩意，听说过xlearn 吗？ xLearn 是一款高性能的，易用的，并且可扩展的机器学习算法库，你可以用它来解决大规模机器学习问题，尤其是大规模稀疏数据机器学习问题。 官方文档 https://xlearn-doc-cn.readthedocs.io/en/latest/python_api/ 在近年来，大规模稀疏数据机器学习算法被广泛...
- 先把来源写上 来源：贪心学院，https://www.zhihu.com/people/tan-xin-xue-yuan/activities 使用决策树预测糖尿病 分类任务 数据源: https://www.kaggle.com/uciml/pima-indians-diabetes-database#diabetes.csv 注意: 需要使用如下命令安装额外两... 先把来源写上 来源：贪心学院，https://www.zhihu.com/people/tan-xin-xue-yuan/activities 使用决策树预测糖尿病 分类任务 数据源: https://www.kaggle.com/uciml/pima-indians-diabetes-database#diabetes.csv 注意: 需要使用如下命令安装额外两...
- 谱聚类算法 该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量 ， 然后选择合适 的特征向量聚类不同的数据点。谱聚类算法最初用于计算机视觉 、VLS I 设计等领域， 最近才开始用于机器学习中，并迅速成为国际上机器学习领域的研究热点。 谱聚类算法建立在图论中的谱图理论基础上，其本质是将聚类问题转化为图的最优划分问题，... 谱聚类算法 该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量 ， 然后选择合适 的特征向量聚类不同的数据点。谱聚类算法最初用于计算机视觉 、VLS I 设计等领域， 最近才开始用于机器学习中，并迅速成为国际上机器学习领域的研究热点。 谱聚类算法建立在图论中的谱图理论基础上，其本质是将聚类问题转化为图的最优划分问题，...
- 使用二分类逻辑回归识别贷款违约风险 为了说明逻辑回归的应用场景，这里引入一个案例，该案例有关银行贷款违约，我们使用二分类逻辑回归来评估信用风险，如果您是银行的贷款人员，那么您希望能够识别那些指示可能违约贷款的人的特征，并使用这些特征来识别不良的贷款。 这里我们使用的数据集假设有850位以往客户的贷款信息，前700个案例是以前给予贷款的客户，这些客户的违约情况是已经知... 使用二分类逻辑回归识别贷款违约风险 为了说明逻辑回归的应用场景，这里引入一个案例，该案例有关银行贷款违约，我们使用二分类逻辑回归来评估信用风险，如果您是银行的贷款人员，那么您希望能够识别那些指示可能违约贷款的人的特征，并使用这些特征来识别不良的贷款。 这里我们使用的数据集假设有850位以往客户的贷款信息，前700个案例是以前给予贷款的客户，这些客户的违约情况是已经知...
- KFold模块 from sklearn.model_selection import KFold 为什么要使用交叉验证？交叉验证的介绍 交叉验证是在机器学习建立模型和验证模型参数时常用的办法。 交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同... KFold模块 from sklearn.model_selection import KFold 为什么要使用交叉验证？交叉验证的介绍 交叉验证是在机器学习建立模型和验证模型参数时常用的办法。 交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同...
- GAN 生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。原始 GAN 理论中，并不要求 G 和 ... GAN 生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。原始 GAN 理论中，并不要求 G 和 ...
- ELI5主要是用于处理文本分类的机器学习的库 MLI5是一个Python库，允许使用统一API可视化地调试各种机器学习模型。 它内置了对多个ML框架的支持，并提供了一种解释黑盒模型的方法。它有助于调试机器学习分类器并解释它们的预测。 scikit-learn。目前，ELI5允许解释scikit-learning线性分类器和回归量的权重和预测，将决策树打印为文本或... ELI5主要是用于处理文本分类的机器学习的库 MLI5是一个Python库，允许使用统一API可视化地调试各种机器学习模型。 它内置了对多个ML框架的支持，并提供了一种解释黑盒模型的方法。它有助于调试机器学习分类器并解释它们的预测。 scikit-learn。目前，ELI5允许解释scikit-learning线性分类器和回归量的权重和预测，将决策树打印为文本或...
- 在决策树中有一个很重要的概念就是深度 没错决策树很容易过拟合 从iris来看下所谓的过拟合 环境 jupyter notebook 导入包 import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib as mpl from sklea... 在决策树中有一个很重要的概念就是深度 没错决策树很容易过拟合 从iris来看下所谓的过拟合 环境 jupyter notebook 导入包 import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib as mpl from sklea...
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
回顾中 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
回顾中
热门标签