原创 【React】: React的生命週期

概述 生命週期的每個階段總是伴隨着一些方法的調用，這些方法就是生命週期的鉤子函數 鉤子函數的作用：爲開發人員在不同操作階段提供了十幾 只有 類組件 纔有生命週期   生命週期的圖片：  同時有： 1.1 創建時 的生命週期執行順序  

2023-06-13 13:11:38

原创 【React】: React 腳手架初始化項目

一共只有兩步。 1.初始化項目 npx create-react-app my-app 2.啓動項目，在項目根目錄當中執行： cd my-appnpm start  

2023-06-11 13:11:34

原创 【MySQL】mysql更換root密碼，全網唯一有用！

ALTER USER 'root'@'localhost' IDENTIFIED BY 'your password'; flush privileges; exit; 得解! 然後重新登陸： mysql -u root -p

2023-04-07 13:11:45

原创 【leetcode】3: 無重複字串的最長子串（python）

給定一個字符串 s ，請你找出其中不含有重複字符的 最長子串 的長度。   示例 1: 輸入: s = "abcabcbb"輸出: 3 解釋: 因爲無重複字符的最長子串是 "abc"，所以其長度爲 3。示例 2: 輸入: s = "bbb

2022-12-29 13:11:37 1

原创 單調神經網絡《 Monotonic Networks》及代碼實現

在金融風控領域當中，模型可解釋性相當重要。我對nips的論文《Monotonic Networks》當中的單調神經網絡進行了復現，在權重爲正的情況下，我們就稱該神經網絡爲單調神經網絡，因爲不管如何進行輸入，我們輸出都會呈現出單調性，也就是輸

2022-02-12 13:11:52

原创 Pytorch如何約束和限制權重/偏執的範圍

方法一： 首先編寫模型結構： class Model(nn.Module): def __init__(self): super(Model,self).__init__() self.l1=nn.

2022-02-05 13:11:32

原创 Pytorch模型保存和加載

保存模型： torch.save(model, 'model.pth') 加載模型： model = torch.load('model.pth')  

2022-02-03 13:11:32

原创 Pytorch中RNN參數解釋

  其實構建rnn的代碼十分簡單，但是實際上看了下csdn以及官方tutorial的解釋都不是很詳細，說的意思也不能夠讓人理解，讓大家可能會造成一定誤解，因此這裏對rnn的參數做一個詳細的解釋： self.encoder = nn.RNN

2022-01-19 13:11:42

原创 機器學習算法工程師 知能科技 筆試面經

首先是筆試，通過後才能面試。 筆試題目需要在1.5小時內做完，一共6道題目。兩道簡答題，一道計算題（機器學習的），一道numpy編程題，一道機器學習調參題，最後一道算法leetcode hard題，只需要寫出思路，不需要code。   題目

2021-12-16 14:18:25 1

原创 【機器學習】：特徵篩選方法

一.基於統計值的篩選方法 1.過濾法：選擇特徵的時候，不管模型如何，首先統計計算該特徵和和label的一個相關性，自相關性，發散性等等統計指標。 優點：特徵選擇開銷小，有效避免過擬合 缺點：沒有考慮後續的學習器來選擇特徵，減弱了學習器的學習

2021-12-11 14:19:22 28

原创 【機器學習】：特徵工程

      我總結了以下特徵工程的一些方法，好的數據和特徵往往在數據挖掘當中會給我們帶來更好的acc，尤其對於數據挖掘而言。數據決定了預測準確度的上線，而模型的目的則是去儘量逼近這個上限。由此可見，對數據進行特徵工程，擁有良好的數據是多麼的

2021-12-10 14:15:23

原创 【機器學習】：決策樹之CART迴歸樹

在決策樹算法當中，cart迴歸樹是決策樹的一種，它用來做迴歸的策略十分常見。可能還會在後續的GBDT模型當中所運用到，用來作爲我們分裂節點的一個標準，我們來了解了解。                    備註： 在進行計算迴歸樹的c1

2021-12-08 14:14:54 1

原创 【機器學習】：Xgboost和GBDT的不同與比較

【與傳統GBDT相比，XGBoost有何不同】 基函數不同。GBDT只用CART樹，XGBoost除了CART，也支持線性函數。 目標不同。具體體現在結點分裂策略與正則化。GBDT和XGBoost都是根據目標增益分裂結點，GBDT根據均方誤

2021-12-08 14:14:54

原创 使用OPTUNA對LightBGM自動調試參數，並進行繪圖可視化

  1.optuna基本使用  Optuna是一個自動幫助我們調試參數的工具，使用起來十分方便。比sklearn的gridsearchcv好用很多，一是因爲optuna相比於sklearn能夠快速進行調參，二是因爲它可以將調試參數的過程進

2021-11-20 14:12:41 2

原创 【自然語言處理】： transformer原理實現

1.seq2seq 一般在我們序列模型當中，都會分爲encoder和decoder兩個部分，如下圖所示：    而我們的transformer變形金剛其實相當於是一種對我們seq2seq的一種升級版本，也就是在seq2seq上加上了sel

2021-11-10 14:12:41 4