ICode9

精准搜索请尝试: 精确搜索
  • 2021-07-312021-07-31 20:32:51

    线性回归: 线性:函数(模型)参数的最高次项等于1(这也是数学中线性函数和非线性函数的概念) 回归:最终要求计算出θ值,并选择最优的θ值构成算法公式   线性回归: 实质上就是找x和y之间的线性关系,由于x(特征变量)和y(预测值)都是已知的, 那么找的就是的θ最优值

  • DW集成学习Task8—案例二蒸汽量预测2021-07-30 23:31:05

    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多,包括锅炉的可调参数,如燃烧给量,一二次

  • 深度学习笔记_神经网络八股功能扩展及实现应用2021-07-30 16:02:37

    神经网络八股功能扩展 1、自制数据集,解决本领域问题2、数据增强,扩充数据集3、断点续训,存取模型4、参数提取,存入文本可视化5、可视化绘图,查看训练效果6、应用程序,给图识物 1、自制数据集,解决本领域问题 制作可以用来训练和测试的数据集。 MNIST数据集、Fashion数据集是已

  • Python可视化matplotlib多子图可视化(Multiple Subplots):plt.axes()、plt.subplot()、plt.subplots()、2021-07-30 12:00:18

    Python可视化matplotlib多子图可视化(Multiple Subplots) 目录 Python可视化matplotlib多子图可视化(Multiple Subplots) 手动绘制子图

  • Python可视化matplotlib自定义:运行时参数修改、自定义样式、默认样式+plt.style.use()2021-07-30 12:00:07

    Python可视化matplotlib自定义:运行时参数修改、自定义样式、默认样式+plt.style.use() 目录 Python可视化matplotlib自定义:运行时参数修改、自定义样式、默认样式+plt.style.use()

  • 机器学习笔记(十四)——非线性逻辑回归(sklearn)2021-07-29 17:02:23

    本博客仅用于个人学习,不用于传播教学,主要是记自己能够看得懂的笔记( 学习知识、资源和数据来自:机器学习算法基础-覃秉丰_哔哩哔哩_bilibili 用sklearn库就灰常简单啦~ 可以自己用make_gaussian_quantiles生成数据。(就不用再把数据搞上来了) 代码: from sklearn.preprocessing import

  • 新奇检测Novelty Detection2021-07-28 22:01:55

    大多数数据挖掘或数据工作中,异常值都会在数据的预处理过程中被认为是“噪音”而剔除,以避免其对总体数据评估和分析挖掘的影响。但某些情况下,如果数据工作的目标就是围绕异常值,那么这些异常值会成为数据工作的焦点。 数据集中的异常数据通常被成为异常点、离群点或孤立点等,典型特征

  • python Matplotlib绘图基础2021-07-28 13:01:12

    Matplotlib绘图基础 plt.plot(x,y,ls=,lw=,c=,marker=,markersize=,markeredgecolor=,markerfacecolor,lable=) x:x轴上的数值 y:y轴上的数值 ls:折线的风格(实线-,虚线,点线,点化线) lw:线条宽度 c:颜色 marker:线条上点的形状(o,v,^,<,>,1,2,3,4,s,p,*,h,H,+,x,D,d,|,) markersize

  • python画散点图、大箭头2021-07-28 10:34:33

    numpy.loadtxt 可以载入 txt 数据。 matplotlib.pyplot.scatter 可以画散点图 matplotlib.pyplot.quiver 可以画箭头 matplotlib.pyplot.xlabel, matplot.pyplot.ylabel 可以增加 x, y 轴图例 matplotlib.pyplot.text 可以插入文本 matplotlib.pyplot.savefig 可以保存为 jpg 文件

  • 机器学习笔记(十一)——线性逻辑回归(梯度下降法)2021-07-27 17:36:43

    本博客仅用于个人学习,不用于传播教学,主要是记自己能够看得懂的笔记( 学习知识、资源和数据来自:机器学习算法基础-覃秉丰_哔哩哔哩_bilibili 这次bb多一点呗。逻辑回归有点离谱。 逻辑回归最重要的就是一个分类函数: 我们可以把大于0.5的部分称为1类,小于0.5的部分称为0类。其实这两

  • 黑马深度学习和CV入门2——深度学习2021-07-26 23:01:35

    01.神经网络、优化方法与正则化 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt x = np.linspace(-10,10,1000) y = tf.nn.sigmoid(x) plt.plot(x,y) plt.grid() plt.show() import tensorflow as tf import numpy as np import matplotlib

  • 画出训练过程随时期(Epoch)的变化曲线2021-07-26 20:33:01

    要求:查看存储在Training中的训练过程,并分别画出loss,acc,val_loss,val_acc随时期(Epoch)的变化曲线,代码如下(可供参考): #以epoch为横坐标,在同一坐标下画出acc、val_acc随epoch变化的曲线图 #定义show_Training_history()函数,输入参数:训练过程所产生的Training_history import matplo

  • kmeans聚类分析2021-07-26 18:02:55

    注意点:一定要处理异常值和去量纲 导入库 import pandas as pd import seaborn as sns import matplotlib.pyplot as plt %matplotlib inline 一、数据概况 异常值 缺失值 二、单变量分析 创建新变量 airbnb['year_since_account_created']=airbnb['date_account_created'].ap

  • 山东大学暑期项目实训——云主机服务比价与预测系统2021-07-25 18:04:05

    山东大学暑期项目实训——云主机服务比价与预测系统(十二) 使用tensorflow做预测 一、简单的预测函数值 1.使用训练数据做预测 创建模型: model = keras.Sequential([ layers.Dense(64, activation='relu', input_shape=[len(train_dataset.keys())]), layers.Dense(64,

  • 使用PyOD来进行异常值检测2021-07-25 12:59:32

    异常值检测主要是为了发现数据集中的一些"与众不同"的数据值,所谓“与众不同”的数据值是指这些数据与大多数数据存在较大的差异我们称之为“异常值”,并且在现实中这些“异常值”并没有被打上标签,因此我们必须通过某种算法来自动识别出这些异常值。对于异常值我们有如下的定义:

  • 数学建模——智能优化之模拟退火模型详解Python代码2021-07-25 10:03:53

    数学建模——智能优化之模拟退火模型详解Python代码 #本功能实现最小值的求解# from matplotlib import pyplot as plt import numpy as np import random import math plt.ion()#这里需要把matplotlib改为交互状态 #初始值设定 hi=3 lo=-3 alf=0.95 T=100 #目标函数 def

  • python异步爬虫+数据分析+数据可视化2021-07-25 10:00:53

    python爬虫+数据分析+数据可视化 import csv import pandas as pd import numpy as np import asyncio import aiohttp from pandas import Series, DataFrame # import matplotlib as mpl import matplotlib.pyplot as plt from lxml import etree headers = { 'User

  • 使用CNN提取图像中的feature2021-07-25 00:00:25

    以下是手写字识别的整个代码 1、读取data(pd.read_csv()); 2、构造trainData, valData; 3、对trainData进行增强(dataGeneration); 4、创建model = keras.model(); 5、使用增强后的数据,对模型进行训练; 6、利用训练好的模型,进行预测; 7、对训练好的模型,进行评估(evaluate); import panda

  • Python工具(1)可视化matplotlib2021-07-24 21:02:25

     本文主要完成Python可视化神器pyecharts如何使用的搬运工作。 目录 1. 去掉savefig图像白边2.去掉图像刻度3. 双y轴 1. 去掉savefig图像白边 plt.savefig('./%s.png' % 'MSE曲线', dpi=300, bbox_inches='tight') 前后对比效果图: 2.去掉图像刻度 plt.xticks([])

  • 【小白学习PyTorch教程】十一、基于MNIST数据集训练第一个生成性对抗网络2021-07-23 22:31:57

    @Author:Runsen GAN 是使用两个神经网络模型训练的生成模型。一种模型称为生成网络模型,它学习生成新的似是而非的样本。另一个模型被称为判别网络,它学习区分生成的例子和真实的例子。 生成性对抗网络 2014,蒙特利尔大学的Ian Goodfellow和他的朋友发明了生成性对抗网络(GAN)。自

  • Matplotlib(一)基础绘图功能之折线图2021-07-23 16:31:11

    一.基本的功能. 1.1.准备x,y的坐标. 1.2创建画布. 1.3绘制图像. 1.4显示图像. 1.5最终结果展示. 以某城市中午12点到13点的温度变化折线图为例 1.1准备x,y的坐标. x = range(60)  # 创建了[0,60)的整数,形成一个列表 y = [random.uniform(10,15) for i in x]  # 一个列表,放了

  • 学matplotlib基础,十分钟带你掌握matplotlib基本用法2021-07-23 09:04:46

    初识matplotlib matplotlib官网 本章节是matplotlib的基础用法,掌握画图的流程,对辅助显示层和图像层上的操作。 - 本章知识点归纳如下: 导入模块: import matplotlib.pyplot as plt/import numpy as np定义图像窗口:plt.figure()画图:plt.plot(x,y)定义坐标轴范围:plt.xlim()/plt.

  • OpenCV中的图像变换——傅里叶变换2021-07-22 21:58:55

    OpenCV中的图像变换——傅里叶变换 1. 效果图2. 原理3. 源码3.1 Numpy实现傅里叶变换3.2 OpenCV实现傅里叶变换3.3 HPF or LPF? 参考 这篇博客将介绍OpenCV中的图像变换,包括用Numpy、OpenCV计算图像的傅里叶变换,以及傅里叶变换的一些应用; 2D Discrete Fourier Transform

  • Python-Matplotlib{数据可视化}2021-07-22 21:33:54

    Matplotlib 基本配置导入Matplotlib库 绘制图绘制折线图查看都有什么风格style折线图使用 小练习 优化图片添加常见图例属性小练习 一个图中画多条线其他各种图像柱状图DataFrame数据画柱状图 直方图散点图饼状图Series数据绘制 箱线图DataFrame自带boxplot画图接口 一张

  • 2021-07-222021-07-22 19:57:33

    自学笔记: Plt.rcParams()详解: 首先matplotlib通过rc配置文件来自定义图形的各种默认属性,称之为rc配置,或者rc参数。通过rc参数,可以修改默认的属性。 序号 属性 说明 1 plt.rcParams[’axes.unicode_minus’] = False 字符显示 2 plt.rcParams[’font.sans-serif’] = ‘SimHei

专注分享技术,共同学习,共同进步。侵权联系[admin#icode9.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有