原创 python concat時報錯‘InvalidIndexError: Reindexing only valid with uniquely valued Index objects’

在使用pd.concat((A,B)axis = 1)這個函數合併兩個相同的DataFrame的時候,出現了報錯: InvalidIndexError: Reindexing only valid with uniquely v

原创 解決github加載不了圖片的問題

其實就是hosts的問題,搜索了一圈,發現解決方案直接明瞭: 解決方法,打開路徑C:\Windows\System32\drivers\etc下的hosts文件 # GitHub Start 192.30.253.112 git

原创 谷歌強勢出手,人工智能學習者有福了,從此數據資產跨入搜索時代!

1995年,正是互聯網方興未艾之時,雅虎橫空出世,雅虎以提供互聯網各種信息目錄起家,迅速崛起成爲世界互聯網巨頭,整個互聯網行業也迎來了門戶網站時代。彼時的第一批互聯網居民,要想在互聯網上獲取信息,就需要登錄雅虎等門戶網站,一頁頁

原创 機器學習超詳細實踐攻略(1):盤點scikit-learn裏那些有趣又有用的彩蛋級入門數據集

在機器學習算法的學習過程中,找到用來適合用來練手的數據集是我們面臨的第一道門檻,畢竟俗話說得好,巧婦也難爲無米之炊嘛。 爲此,我在知乎上寫過一篇回答: 機器學習需要的大量數據集從哪裏找? 這篇回答主要是介紹了從各個比賽平臺尋找機器

原创 Python生成正態分佈

參考鏈接:Python使用numpy產生正態分佈隨機數的向量或矩陣操作示例

原创 win10下配置conda的環境變量時遇到:LoadLibrary() argument 1 must be str,not None問題

換了新電腦,重新安裝了一下anaconda。但是在配置環境變量的時,網上大多給出的配置方案都是在系統路徑裏配置anaconda的根目錄和script目錄。但是這是一個誤導,親測win10在配置之後還會出現這樣的問題: 最後經過查

原创 FaceNet源碼解讀2:史上最全的FaceNet源碼使用方法和講解(二)

史上最全的FaceNet源碼使用方法和講解(二) 這是對:史上最全的FaceNet源碼使用方法和講解(一)(附預訓練模型下載)的一個補充。 一、對模型進行測試: 用到的函數:validate_on_lfw.py 在pycharm中

原创 python將三維數組展開成二維數組

以前寫過一篇:python將兩個二維array疊加成三維array的實現方法 , 這篇文章嘗試用“曲線救國”的方法來解決二維數組疊加成三維數組的問題。 但天道有輪迴,蒼天繞過誰。好不容易把數組疊加在一塊兒了,新的需求又出現了:將三

原创 FaceNet源碼解讀:史上最全的FaceNet源碼使用方法和講解(一)(附預訓練模型下載)

文章地址:史上最全的FaceNet源碼使用方法和講解(一)(附預訓練模型下載)轉載請註明出處。 前提條件:已安裝並配置好Tensorflow的運行環境。 第一步:準備facenet程序: 一、下載FaceNet源碼。 下載地址:facen

原创 sklearn光速入門實踐[1]——實現一個簡單的SVM分類器

python的sklearn庫封裝了許多常用的機器學習算法,而且入門簡單,調用方便。下面我們用sklearn庫和簡單的幾個點作爲數據集,來實現一個簡單的SVM分類器。 首先,準備好數據。我們把(2,0),(0,2),(0,0)這三

原创 python不改變二維數組相對位置,得到對應行(列/元素)滿足條件的新數組

python不改變二維數組相對位置,得到對應行(列)滿足條件的新數組 有時候,程序中會用到不改變二維數組相對位置,得到元素滿足對應條件的行。 比如,給定一個座標數組,要求剔除掉x,y座標不滿足>0條件的座標。 引子:一維數組 對於

原创 機器學習超詳細實踐攻略(10):隨機森林算法詳解及小白都能看懂的調參指南

一、什麼是隨機森林 前面我們已經介紹了決策樹的基本原理和使用。但是決策樹有一個很大的缺陷:因爲決策樹會非常細緻地劃分樣本,如果決策樹分得太多細緻,會導致其在訓練集上出現過擬合,而如果決策樹粗略地劃分樣本,又不能很好地擬合樣本。 爲

原创 看個天氣預報都能理解大數據?人工智能和大數據對我們生活產生了哪些影響?

提起“大數據”這個詞,很多人第一印象可能是:高科技、遙不可及。但是,我們生活中,很多傳統的數據服務已經或多或少地被大數據所賦能,通過不同的形式走進了我們生活。 因爲從業於大數據相關領域,所以對身邊數據服務的變化非常敏感,而近年來

原创 【建議收藏】六個免費的在線OCR識別網站,顯著提高你的工作效率!

日常生活中,很多時候我們需要將圖片信息轉換成文字。比如讀一本紙質版的書時,讀到有價值的片段,希望保存成電子存檔以後翻出來看;比如希望將照片裏的文字信息提取出來保存;比如領導交給你一份紙質版表格讓你錄入excel。 對於以上這些情

原创 機器學習超詳細實踐攻略(22):三板斧幹掉樣本不均衡問題之2——對正負樣本設置不同權重

上文已經介紹了利用過欠(過)採樣的方式來解決正負樣本不均衡的問題,本篇文章,我們介紹解決正負樣本不均衡問題的第二招——通過正負樣本的懲罰權重解決樣本不均衡。 我們先假設現在有這樣一個數據集:數據集中有100個0樣本,10個1樣本