原创 決策樹python實現(ID3 和 C4.5)

最近在看機器學習實戰,記錄一些不寫代碼,真的很難發現的問題。 ID3代碼見github ID3的問題: 1、從信息增益的計算方法來看,信息增益無法直接處理連續取值的的屬性數據,只能處理離散型的數據。 2、信息增益的計算方法需要對某

原创 機器學習實戰之樹迴歸(CART)python實現(附python3代碼)

樹迴歸 CART(Classification And Regression Tree, 分類迴歸樹) 完整代碼見github 環境 python3 決策樹分類 決策樹不斷將數據切分成小數據集,直到所有的目標變量完全相同,或者數據

原创 機器學習實戰之adaboost(附python3代碼)

本節代碼存放在github網址上,環境:python3 利用AdaBoost元算法提高分類性能 元算法(meta-algorithm)或者集成方法(ensemble method)是對其他算法進行組合的一種方式 AdaBoost算

原创 上傳本地代碼及更新代碼到GitHub及Git的四種區域五種狀態簡介

上傳本地代碼 step1:去github上創建自己的Repository, 創建頁面如下圖: 藍色框爲新建的倉庫的https地址 step2:在你要上傳的本地代碼文件夾下,右鍵點擊“Git Bash Here” 輸入 echo

原创 Tensorflow常用函數(二)

tf.lin_space(start, stop, num, name=None) create a sequence of num evenly-spaced values are generated beginning at

原创 面向對象編程的三大特性

原文鏈接:https://blog.csdn.net/qq_41706670/article/details/81589587 轉載自 面向對象的三大特性 封裝、繼承、多態 封裝和繼承的

原创 linux vim 多行註釋, 批量移動文件

linux vim 多行註釋 ctrl+v 進入到視圖模式 進行上下移動選擇多行:按j或k上下移動(選擇文件全文shift+g,被選中文件的行首有明顯的變化) 按大寫I進入insert模式,此時,光標會停在初始位置閃爍,輸入註釋

原创 在Ubuntu 16.04.6上使用tensorflow-GPU出現的問題記錄及解決辦法

由於需要,實習時在服務器上安裝了anaconda3+tensorflow-gpu+keras, 使用的時候一直都是使用 import os os.environ['CUDA_VISIBLE_DEVICES']=“0” 來指定使用

原创 pandas中Dataframe選取指定行和列或刪除含有指定數值的行或者列

pandas中的切片方法 [],loc,iloc,at,iat,ix 基礎數據 import pandas as pd import random random.seed(0) rnd_1 = [random.randrange(

原创 Linux Shell 利用sed批量更改文件名

更改文件後綴 將所有的.html文件更改爲. jpg文件 [root@show day74]# for name in `ls *.html`;do echo $name ${name%.html}.jpg;done 00.htm

原创 keras從數據生成器ImageDataGenerator中的flow_from_directory中獲取加載的文件名和相應的類別

最近在做圖像分類的任務,使用了densenet進行fine-tune,因爲圖片數據比較多且佔內存因此數據的加載使用ImageDataGenerator生成器,使用flow_from_directory從文件夾中獲取各個類別的數據。

原创 二分類和多分類問題的評價指標總結

1 二分類評價指標 準確率,精確率,召回率,F1-Score, AUC, ROC, P-R曲線 1.1 準確率(Accuracy) 評價分類問題的性能指標一般是分類準確率,即對於給定的數據,分類正確的樣本數佔總樣本數的比例。 注意

原创 Keras中的回調函數Callbacks詳解

介紹 回調函數是一組在訓練的特定階段被調用的函數集,你可以使用回調函數來觀察訓練過程中網絡內部的狀態和統計信息。通過傳遞迴調函數列表到模型的.fit()中,即可在給定的訓練階段調用該函數集中的函數。 雖然我們稱之爲回調“函數”,但

原创 json.dump(), json.dumps()與json.load(), json.loads()區別

json 模塊提供了一種很簡單的方式來編碼和解碼JSON數據。 其中四個主要的函數是 json.dump(), json.dumps()與json.load(), json.loads()。 1.json.dumps() 將一個P

原创 【已解決】使用keras對resnet, inception3進行fine-tune出現訓練集準確率很高但驗證集很低的問題(BN)

最近用keras跑基於resnet50,inception3的一些遷移學習的實驗,遇到一些問題。通過查看github和博客發現是由於BN層導致的,國外已經有人總結並提了一個PR(雖然並沒有被merge到Keras官方庫中),並寫了