原创 聚類算法之Kmeans
Kmeans是聚類算法中比較簡單的算法，也用的非常多。這裏進行簡單的解釋，主要目的在於給自己記錄，以備以後查看。 K均值聚類的主要思想是爲了使得各個類的點離聚類中心都儘可能近。 K均值聚類的算法可以描述爲： 輸入：數據集D={x
2020-06-29 20:34:21
原创 保留浮點數前幾位小數
用float或者double表示一個浮點數，會碰到數字小數特別多的情況，比如0.324241245325235。但實際這樣看着也不方便，實際用的時候也不需要這麼高的精度。可以選擇只保存前幾位小數，比如小數點後3位小數，即1/100
2020-06-29 20:34:19
原创 讀取LMDB文件的樣本數量
在caffe中一般會把數據轉爲lmdb或者leveldb格式，再做訓練，加速訓練過程。 如何讀取lmdb文件呢？比如需要獲知某個lmdb文件的樣本數量。 在python下，比較簡單，生成lmdb後，可以用如下的代碼獲取： impo
2020-06-29 20:34:19
原创 tensorflow中的tf.app.run
在很多TensorFlow公佈的Demo中，都有這樣的代碼存在，如下，這是幹什麼的呢？[python] view plain copyif __name__ == "__main__": tf.app.run() 我們來看一
2020-06-29 20:34:19
原创 python中urllib模塊的urlretrieve函數
python中利用urllib模塊可以完成常見的爬蟲程序，利用urlretrieve可以抓包某個文件比如，在python3中，可以這樣使用import urllib urllib.request.ulrretrieve(url, fil
2020-06-29 20:34:19
原创 機器學習中的模型評估與度量
在機器學習中除了需要了解各種算法知識（如SVM、神經網絡等），也需要了解是如何通過什麼方式評估和度量模型的，從而選擇最佳的模型。 1. 準備訓練/測試集評估 如何評估一個模型的性能，當然是用數據來評估呢？那麼用哪些數據評估模型呢
2020-06-29 20:34:19
原创 動態規劃的入門理解&例子（LIS、最小編輯距離）
關於動態規劃的講解有很多材料，這裏只是按照我自己的理解來表述動態規劃。可能並不詳細，也不一定完全準確。這裏主要通過兩個例子LIS和最小編輯距離進一步加深對於動態規劃的直觀理解。 1. 動態規劃入門理解 動態規劃方法是把問題向前分
2020-06-29 20:34:19
原创 判斷某個月份是否在給定的月份區間內
判斷某個月份是否在給定的月份區間內 輸入 指定月份：mmm 月份區間：m1m_1m1->m2m_2m2，比如2->5，9->1 輸出 mmm是否處於m1m_1m1->m2m_2m2之間，比如3處於2->5之間，11處於9-
2020-04-24 17:24:38
原创 決策樹和隨機森林
決策樹是比較容易的理解的機器學習算法，算法學習過程就是利用數據的屬性構造樹的過程，根據構建的樹，逐步向下決策，最後得到結果。決策樹利用樹結構進行決策，和人類理解決策問題時的思路很像，比如對於”是否要買下這套房子？”這樣的決策問
2020-02-23 08:31:15
原创 線性模型（二）之多項式擬合
1. 多項式擬合問題 多項式擬合（polynominal curve fitting）是一種線性模型，模型和擬合參數的關係是線性的。多項式擬合的輸入是一維的，即x=xx=x ，這是多項式擬合和線性迴歸問題的主要區別之一。
2020-02-23 08:31:15
原创 rpm安裝、卸載、查詢軟件包
在linux系統上需要安裝各種各樣的依賴軟件包，如果機器可以聯網，那麼還是比較方便的，但是如果不能聯網，只能手工下載安裝各種軟件包，也是挺醉的，安裝某個軟件包A，A可能依賴於其它B1~B3個軟件包，而每個Bx又可能依賴於其它Cx~
2020-02-23 08:31:15
原创 KNN算法和KD樹
KNN算法和KD樹 KNN算法的思路非常簡單，對於新的樣本，找出距其最近的k個樣本，再根據這k個樣本的類別，通過多數投票的方式預測新樣本的類別。k近鄰算法沒有學習或訓練過程。但k近鄰算法仍有很多值得關注的地方，比如超參數k值的選擇
2020-02-23 08:31:15
原创 tensorflow保持每次訓練結果一致
在用tensorflow構建神經網絡的時候，有很多隨機的因素，比如參數的隨機初始化: 正態分佈隨機變量tf.random_normal([m,n])，均勻分佈的隨機變量tf.random_uniform([m,n])，還有在從tf
2020-02-23 08:31:15
6
原创 python中對多變量連續賦值
看到一段代碼，如下 self.batch_size = batch_size = 128 初一看很詫異，仔細想想其實很合理的。 在python可能會需要同時聲明多個變量，並對多個變量賦予相同的初始值，可以採用如下的方式賦值 a=b
2020-02-23 08:31:15