原创 Python scipy 計算短時傅里葉變換(Short-time Fourier transforms)

轉載於:https://www.cnblogs.com/hoojjack/p/9967298.html 計算短時傅里葉變換(STFT) scipy.signal.stft(x,fs = 1.0,window ='hann',nperseg

原创 kaggle工具學習整理

ligthgbm分類與迴歸實例展示 https://blog.csdn.net/ssswill/article/details/86539809 Scikit中的特徵選擇,XGboost進行迴歸預測,模型優化的實戰 https://blo

原创 ImportError:DLL load failed with error code -1073741795

安裝tensorflow出現以上報錯。 https://www.cnblogs.com/dataman/p/10220732.html https://blog.csdn.net/shen123me/article/details/806

原创 git 放棄本地修改,強制拉取更新

原文鏈接:https://blog.csdn.net/haoaiqian/article/details/78284337 轉自:https://blog.csdn.net/haoaiqian/

原创 Unity 2018.2.5f1 單元測試簡介

轉自:https://blog.csdn.net/techfield/article/details/82970557 簡介 本文目標是在 Windows 環境下爲 Unity 進行單元測試以提高代碼質量、穩定已完成特性和固化已經完成的

原创 Centos 重新安裝python和yum

參考: https://www.centos.bz/2017/11/centos%E9%87%8D%E6%96%B0%E5%AE%89%E8%A3%85%EF%BC%8C%E5%8D%B8%E8%BD%BDpython-yum/ http

原创 強化學習通俗導論(一):什麼是強化學習

轉自:https://blog.csdn.net/qq_39521554/article/details/80715615 1. 定義 強化學習是機器學習的一個重要分支,是多學科多領域交叉的一個產物,它的本質是解決 decision ma

原创 電腦丟失api-ms-win-core-libraryloader-|1-1-1.dll

轉自:https://blog.csdn.net/quantum7/article/details/78940726 升級包WIN10時,很容易出現這個錯誤。   到網上一搜索,下載,放到相應目錄下,失敗。     再搜索,有人說:   

原创 機器學習中的F1-score

轉自:https://blog.csdn.net/qq_14997473/article/details/82684300 一、什麼是F1-score F1分數(F1-score)是分類問題的一個衡量指標。一些多分類問題的機器學習競賽,常

原创 機器學習(一)特徵工程基本流程

轉自:https://www.cnblogs.com/infaraway/p/8645133.html 前言   特徵是數據中抽取出來的對結果預測有用的信息,可以是文本或者數據。特徵工程是使用專業背景知識和技巧處理數據,使得特徵能在機器學

原创 leetcode一些有意思的題目(持續更新)

1.分數轉小數 def fractionToDecimal(a,b): ans = "-" if a *b < 0 else "" a = abs(a) b = abs(b) ans += str(a

原创 基於深度學習的目標檢測技術演進:R-CNN、Fast R-CNN、Faster R-CNN

轉自:https://www.cnblogs.com/skyfsm/p/6806246.html object detection我的理解,就是在給定的圖片中精確找到物體所在位置,並標註出物體的類別。object detection要解決

原创 面試過程中一些動態規劃類的算法題(持續更新)

動態規劃思想是用空間換時間,核心是找到動態方程。 1.在面試字節跳動的時候問到“最小編輯距離問題” 下邊是最小編輯距離思路及python代碼 最小編輯距離或萊文斯坦距離(Levenshtein),指由字符串A轉化爲字符串B的最小編輯次數。

原创 梯度提升樹(GBDT)原理小結

轉自:https://www.cnblogs.com/pinard/p/6140514.html    在集成學習之Adaboost算法原理小結中,我們對Boosting家族的Adaboost算法做了總結,本文就對Boosting家族中另

原创 機器學習之特徵選擇

轉自:https://www.cnblogs.com/nolonely/p/6435083.html 特徵選擇方法初識: 1、爲什麼要做特徵選擇 在有限的樣本數目下,用大量的特徵來設計分類器計算開銷太大而且分類性能差。 2、特徵選擇的確切