原创 基於密度聚類的DBSCAN和kmeans算法比較
基於密度聚類的DBSCAN和kmeans算法比較 根據各行業特性，人們提出了多種聚類算法，簡單分爲：基於層次、劃分、密度、圖論、網格和模型的幾大類。 其中，基於密度的聚類算法以DBSCAN最具有代表性。
2020-06-14 07:02:00
1
原创 【轉載】Pyinstaller打包出現UnicodeDecodeError: 'utf-8' codec can't decode byte 0xce in position 解決方案
版權聲明： https://blog.csdn.net/qq_35203425/article/details/80992870 解決方案 在你打包的命令行中先輸入chcp 65001 然後再輸入打包命令。 pyinstaller -F
2020-02-20 21:53:54
原创 項目過程中遇到的問題
1、VAE由於loss函數是自己定義的，在load_model別人訓練好的模型的時候 vae = load_model('E:\AItask......'.format(ftype, alertclass, model_filepath
2020-02-20 21:53:54
原创 【轉載】pyinstaller的打包python腳本爲exe文件（含第三方庫）
pyinstaller可以很方便的將python腳本打包爲exe文件。exe文件可以在沒有裝python的電腦運行 pyinstaller安裝 同時按鍵盤上win鍵（上面一般有windows的方塊標識）和R鍵，然後電腦左下角就會彈出管理員
2020-02-20 21:53:54
原创 機器學習練習（五）——高斯異常點檢測
#coding:utf-8 import numpy as np from sklearn.covariance import EllipticEnvelope from sklearn.svm import OneClassSVM
2018-09-04 02:39:28
原创 TensorFlow練習（一）——TensorFlow簡介
因爲TensorFlow是採用數據流圖（data flow graphs）來計算, 所以首先我們得創建一個數據流流圖, 然後再將我們的數據（數據以張量(tensor)的形式存在）放在數據流圖中計算. 節點（Nodes）在圖中表示數學
2018-09-04 02:39:27
3
原创 機器學習中的維度災害
轉自：https://zhuanlan.zhihu.com/p/27488363 對於大多數數據，在一維空間或者說是低維空間都是很難完全分割的，但是在高緯空間間往往可以找到一個超平面，將其完美分割。 引用The Curse of Di
2018-09-04 02:39:27
57
原创 機器學習練習（四）——異常檢測
我們的任務是使用高斯模型來檢測數據集中一個未標記（unlabeled）的樣本是否應被視爲異常。 我們從一個簡單的 2 維數據集開始，因此我們可以很容易地可視化這算法的工作原理。 讓我們 導入數據並畫出散點圖。 #!/usr/bin/e
2018-09-04 02:39:27
3
原创 各種聚類算法的系統介紹和比較
轉自：https://blog.csdn.net/abc200941410128/article/details/78541273?locationNum=1&fps=1 最近項目用到聚類算法，將其系統的總結一下。 一、簡要介紹
2018-09-04 02:39:27
原创 TensorFlow練習（三）——添加層 def add_layer()
在 Tensorflow 裏定義一個添加層的函數可以很容易的添加神經層,爲之後的添加省下不少時間. 神經層裏常見的參數通常有weights、biases和激勵函數。 首先，我們需要導入tensorflow模塊。 import te
2018-09-04 02:39:27
12
原创 機器學習練習（二）——標準化Normalization
由於資料的偏差與跨度會影響機器學習的成效，因此正規化(標準化)數據可以提升機器學習的成效。 一、數據標準化 from sklearn import preprocessing #標準化數據模塊 import numpy as np #
2018-09-04 02:39:27