集成学习案例二 （蒸汽量预测） 背景介绍 火力发电的基本原理是：燃料在燃烧时加热水生成蒸汽，蒸汽压力推动汽轮机旋转，然后汽轮机带动发电机旋转，产生电能。在这一系列的能量转化中，影响发电效率的核心是锅炉的燃烧效率，即燃料燃烧加热水产生高温高压蒸汽。锅炉的燃烧效率的影响因素很
很开心可以参加这一次的组队学习，在这次学习中，主要学到了深度学习的知识，了解了什么是梯度，梯度下降的方法，以及梯度下降会遇到的问题，还有解决方法。 知道了什么是深度学习，并且知道了一些调参的方法，学会很多，也交到了很多朋友，希望下次组队学习再见
文章目录 01机器学习介绍02 回归step1:modelstep2：评价一个模型的好坏step3:使用gradient descent进行优化优化 03 误差估测方差和偏差偏差 v.s. 方差 04 训练集划分交叉验证N-fold cross validation 05 gradient descent06 深度学习step1:神经网络step2:模型评估step3:选
第四章 决策树 4.1基本流程 1.决策树基于树结构进行决策，通过一系列的判断或“子决策”得到最终决策，其目的是产生一棵泛化能力强，即处理未见示例能力强的决策树。 2.决策树一般包含三类结点：根结点、内部结点、叶结点。根结点包含样本全集，每个结点包含 的样本集合根据属性测试的结
目录 作业 1. 什么是Bootstraps 2. bootstraps和bagging的联系 3. 什么是bagging 4. 随机森林和bagging的联系和区别 5. 使用偏差和方差阐释为什么bagging能提升模型的预测精度 6. 使用Bagging和基本分类模型或者回归模型做对比，观察bagging是否相对于基础模型的精度有所提高
1、逻辑回归逻辑推导 import pandas as pd from sklearn import datasets iris = datasets.load_iris() X = iris.data y = iris.target feature = iris.feature_names data = pd.DataFrame(X,columns=feature) data['target'] = y data.head() sepal length (cm)sepal wi
数据可视化 导入相关库： import pandas as pd import numpy as np import matplotlib.pyplot as plt 导入数据： text = pd.read_csv(r'result.csv') text.head() # 可视化展示泰坦尼克号数据集中男女中生存人数分布情况 sex = text.groupby('Sex')['Survived'].sum() sex.plot.bar
Task02回归 机器学习使用sklearn构建完整的机器学习项目流程基本的回归模型作业参考 机器学习 机器学习的一个重要的目标就是利用数学模型来理解数据，发现数据中的规律，用作数据的分析和预测。 数据通常由一组向量组成，这组向量中的每个向量都是一个样本，我们用
参考链接：https://datawhalechina.github.io/leeml-notes 文章目录 一、深度学习的发展趋势二、深度学习的三个步骤2.1 神经网络（Neural network）2.2 模型评估（Goodness of function）2.3 选择最优函数（Pick best function） 三、反向传播四、总结 一、深度学习的发展趋势 回顾一
1. Java简介与安装配置 1.1 Java简介 Java是一门面向对象]编程语言，不仅吸收了C++语言的各种优点，还摒弃了C++里难以理解的多继承、指针等概念，因此Java语言具有功能强大和简单易用两个特征。Java语言作为静态面向对象编程语言的代表，极好地实现了面向对象理论，允许程序员以优雅的思
一、绪论 出处： Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU） 案例： 水果摊旁，挑个根蒂蜷缩，敲起来声音浊响的青绿西瓜。期待是皮薄后瓤甜的瓜 1.1 引言 机器学习 研究如何通过计算的手段，利用经验来改善系统自身的性能。 经验以数据形式存在 学习算法 在计
【01】 学习资料 LeeML-Notes BiliBili Video B站网页端自带的笔记小工具挺好用的，截图功能超爽！ 【02】课程内容 01 闲聊 AI是个早在上世纪五十年代就被提出来的概念，但当时只是有这么个目标，并不知道该怎么做。 机器学习是实现这个目标的手段，吴恩达老师的课里用ETP去定义： 经验
摘要：本文是包含第一章和第二章的理论及推导内容 说明： 本次学习是基于西瓜书，南瓜书，及部分网上参考资料（链接会放在最后） 目录 摘要：本文是包含第一章和第二章的理论及推导内容说明： 本次学习是基于西瓜书，南瓜书，及部分网上参考资料（链接会放在最后） 第一章 绪论1.1 理论1.1.1 基
超大规模数据集类的创建 1 `Dataset`基类1.1 无需定义`Dataset`类情况 2 图样本封装成批（BATCHING）与`DataLoader`类2.1 合并小图组成大图2.2 小图的属性增值与拼接2.3 图的匹配2.4 二部图2.5 在新的维度上做拼接 3 创建超大规模数据集类实践 前面介绍了可以将数据集全部加
很开心又拿到了优秀船员，其实这已不是我第一次参加组队学习了，4月份的二手车是我第一次接触到DataWhale，那次课程结束后，马老师找到我让我分享一下心得，但是我觉得第一次坚持下来不算什么，于是我答应他如果下个月我还参加了并且拿到优秀船员再来分享，现在我来履行我的诺言了。 DataW
特征筛选https://mp.weixin.qq.com/s/0XbrbrkviVLcDycjHo953w 模型解释器 https://mp.weixin.qq.com/s/47omhEeHqJdQTtciLIN2Hw kaggle木薯预测 https://mp.weixin.qq.com/s/XT79Baa5R7RUkoUTpG7E2g 衰减率策略 https://mp.weixin.qq.com/s/OVW0pIEizppNvOGLZ0cfiQ kaggle调
学习课程：gitee_Datawhale_GNN 学习论坛：Datawhale CLUB 公众号：Datawhale 1.node_classfication 对于节点分类的任务，GAT的得分是0.765，GCN的得分是0.779。 不同的层数和不同的out_channels通过更改hidden_channels_list的数值。 2.edge_classification 由于之前的学习已经保存
# 导入基本库 import numpy as np import pandas as pd 任务一：读取数据，并观察数据之间的关系 train_left_up=pd.read_csv('train-left-up.csv') train_left_down=pd.read_csv(r'.\train-left-down.csv') train_right_up=pd.read_csv(r'.\train-right-up.csv') tr
目录 Day03 Linux用户和组管理一、用户与用户组1.1 用户的定义1.2 用户组的定义1.3 用户与用户组的关系 二、用户ID与用户组ID三、用户与用户组命令管理3.1 用户的增删修改3.2 用户组管理 Day03 Linux用户和组管理 一、用户与用户组 1.1 用户的定义 Linux是多用户多任
本次学习内容均来自DataWhale第26期组队学习 https://github.com/datawhalechina/team-learning-program/tree/master/OfficeAutomation import pandas as pd import numpy as np 1、文件自动化处理 1.1 读写文件 1.1.1 文件名和文件路径 os.path.join()是用于路径拼接的 语
1.简单图论 用neo4j生成了一张图用以简单的了解图以及其背后的知识。 首先，这张图有两种元素构成，节点和边，对应的就是实体和关系。 然后节点油分为两类，一类是人，另一类是电影。 图其实就是把语言以图的形式表现出来，重点是强调各个个体之间的关系，在这个万物互联的时代，图显得更加
DataWhale组队学习——GNN（1） 这里是DataWhale社区的21年6月组队学习之图神经网络的相关笔记！开源代码：https://github.com/datawhalechina/team-learning-nlp/blob/master/GNN 目录：（待更新）0.导引1.简单图论知识与PyG库初探 导引 一、图神经网络与图深度学习 图是一种数据结构，它
内容为DataWhale组队学习计划6月Linux学习笔记 reference link Day1、什么是Linux Linux，一种免费使用可自由传播的类UNIX操作系统（Operation System），常说的Linux指的是一个基于POSIX（可移植操作系统接口）的多用户、多任务、支持多线程和多CPU的操作系统，Linux在开发者中常用，范围广，用户
一、选择输出格式 使用CSDN撰写技术博客 二、学习过程 1. 根据Datawhale提供的学习材料以自学为主 2. 按照学习任务进行学习并打卡 2.1 学习任务的查看 查看Datawhale所提供的学习材料，进行学习任务的查看，并按照所建议的学习节奏进行学习 2.2 打卡内容 选择CSDN平台，将学习体会
