UA MATH567 高维统计专题2 Low-rank矩阵及其估计2 Rank Minimization与Nuclear Norm-爱代码爱编程
UA MATH567 高维统计专题2 Low-rank矩阵及其估计2 Rank Minimization与Nuclear Norm 上一讲我们已经提到了用rank-minimization对参数矩阵进行估计的建模方法，这一讲我们讨论无噪声情况下的rank-minimization问题： minΘ rank(Θ)
『我与飞桨的故事』PaddlePaddle最菜程序员的飞桨之旅-爱代码爱编程
PaddlePaddle最菜程序员的飞桨之旅—三岁 个人介绍结缘之路万万没想到第一次认识那么简单进一步了解Model不断的相互认知总结——肺腑之言Paddle一个小白也可以简单学会的深度学习框架 大家好，这里是大家熟悉的三岁，眨眼间又到了年尾，一年中冲KPI的时间到了，借着这个机会再来 水一篇博客，谈谈自己和paddle的相识相知与相互学习。
前置机器学习（四）：一文掌握Pandas用法-爱代码爱编程
Pandas提供快速，灵活和富于表现力的数据结构，是强大的数据分析Python库。 本文收录于机器学习前置教程系列。 一、Series和DataFrame Pandas建立在NumPy之上，更多NumPy相关的知识点可以参考我之前写的文章前置机器学习（三）：30分钟掌握常用NumPy用法。 Pandas特别适合处理表格数据，如SQL表格、E
机器学习基于聚类的整图分割实例分享-爱代码爱编程
机器学习基于聚类的整图分割实例分享 摘自北理工python机器学习课程 实验图片 结果： 代码 `import numpy as np import PIL.Image as image from sklearn.cluster import KMeans def loadData(filePath): f=open(filePath,“rb
NMS（非极大值抑制）总结-爱代码爱编程
本文来源于公众号《CV技术指南》的技术总结部分，更多相关技术总结请扫描文末二维码关注公众号。 导言： Non-Maximum Suppression（NMS）非极大值抑制，也有个别地方称之为非最大值抑制。个人认为前者更为贴切，因为其具体实现原理是找到所有局部最大值，并抑制非局部最大值，而不是找全局最大值，后文会介绍代码。从字面意思理解，抑制那些
《图解深度学习》学习笔记（六）-爱代码爱编程
第七章 深度学习工具 1、Theano 在学习Theano时，我们必须了解共享变量的概念。由于函数的输入和输出是Python的Numpy数组，所以每次调用这些函数时，GPU都需要将其复制到内存里。如果使用共享变量，GPU就可以从共享变量中获取数据，无须每次都将数据复制到内存里。通过使用共享变量，使用误差反向传播算法等梯度下降法估计参数时，就无须每次
可视化医学图像CT-爱代码爱编程
DICOM格式 Digital Imaging and Communications in Medicine (DICOM)是医学标准格式的医学图像 2加载第三方包 IS_LOCAL = False import numpy as np import pandas as pd from skimage.io import imread import
spaCy （1）安装和测试代码的运行 windows环境-爱代码爱编程
首先，我一直想搞一个聊天机器人，这回终于开始学习并开始搞了，希望可以坚持下去搞出一个半成品或者成品 自然语言处理NLP挺火的，因为AI人工智能的应用，和现在客服系统、反馈、问答、引导等等的需求很多，是必须要学习一下的。 库用的spaCy（英['speɪsɪ]美[ˈspesi]），语言在学习阶段使用英语模型和部分参杂中文做测试使用 先记录和搞清几个概念
机器学习实战第2版 00 python虚拟环境在Ubuntu/win（anaconda&virtualenv）系统下的配置-爱代码爱编程
python 虚拟环境配置 虚拟环境的作用关于本帖虚拟环境的配置Ubuntu1 `安装`虚拟环境的命令2 `创建`虚拟环境的命令3 `使用`虚拟环境的命令4 后台使用jupyter notebookWindows cmd/anaconda1 Win在cmd下使用 virtualenv2 Win下使用anacondaanaconda常规操作anaco
keras电影评论分类-爱代码爱编程
keras之电影评论分类 数据集代码讲解1.模块导入:2.加载imdb数据集：3.数据预处理：4.构建网络：5.配置模型参数：6.训练模型：7.绘制损失和准确率图像：完整代码： 数据集 由于keras自带的下载方式是通过url = https://s3.amazonaws.com这个网站下载的，而这个网站现在用不了了，所以会导致我们数据集下载
Sklearn机器学习（1）——fit,transform和fit_transform的区别-爱代码爱编程
引言 fit和transform没有任何关系，仅仅是数据处理的两个不同环节，之所以出来fit_transform这个函数名，仅仅是为了写代码方便，会高效一点。sklearn里的封装好的各种算法使用前都要fit，fit相对于整个代码而言，为后续API服务。fit之后，然后调用各种API方法，transform只是其中一个API方法，所以当你调用transf
机器学习学习笔记之——无监督学习之聚类-爱代码爱编程
聚类 我们前面说过，聚类（clustering）是将数据集划分成组的任务，这些组叫作簇（cluster）。其目标是划分数据，使得一个簇内的数据点非常相似且不同簇内的数据点非常不同。与分类算法类似，聚类算法为每个数据点分配（或预测）一个数字，表示这个点属于哪个簇。 1、K 均值聚类 k 均值聚类是最简单也最常用的聚类算法之一。它试图找到代表数据特定区域
机械臂论文笔记（五）【2020抓取检测】机器人目标抓取区域实时检测方法 卢智亮-爱代码爱编程
论文下载 摘 要 摘 要：针对目前机器人目标抓取区域检测方法无法兼顾检测准确率和实时性的问题，提出一种基于 SE-Retina Grasp神经网络模型的机器人目标抓取区域实时检测方法。该方法首先以一阶目标检测模型RetinaNet为基础提取抓取框位置及抓取角度；针对抓取检测任务采用 SENet结构确定重要的特征通道；结合平衡特征金字塔设计思想，充分融合
【视频超分】《Frame and Feature-Context Video Super-Resolution》Fudan University 2019-爱代码爱编程
摘要：对于视频超分任务，当前的SOTA方法要么通过处理一个滑动窗口中的低分辨率（LR）视频帧产生高分辨率(HR)视频帧，要么递归地利用之前输出的HR视频帧超分子序列帧。这些方法的主要缺点是：（1）虽然独立产生每一个视频帧可能获得高质量的HR视频帧，但是它会产生不满意的闪烁结果。（2）虽然递归利用之前的评估HR视频帧在短时间段的信息流中获得时间连续性较好的结
线性回归的正规方程推导-爱代码爱编程
线性回归的正规方程推导 1. 正规方程的推导2. 需要注意的问题参考资料 除了梯度下降法，我们还可以用正规方程法来求线性回归模型。 1. 正规方程的推导 设样本数量为 m m m，每
【ML】Gaussian Discriminant Analysis 高斯判别分析-爱代码爱编程
文章目录 模型假设.极大似然估计参数.与朴素贝叶斯.与逻辑回归. 模型假设. 在【判别模型与生成模型】中已经介绍了生成模型的基本思路，这是一类针对条件概率分布 P (
2020西南民大计算机专硕研一课程概述（未写完）-爱代码爱编程
上学期 政治（自然辩证法） 上课内容 会提出8个研究点，让你去做PPT，分别为 1中医是科学还是伪科学 2数学是科学吗 3古代自然观、近代自然观、现代自然观 4附魅 祛魅 返魅 5人类中心主义与非人类中心主义 6证伪主义 7范式和范式转换 8科学研究是否应该设置禁区 考试内容： 根据上面几个研究点出几个简答题，开卷，可以带纸质材料 拿分技巧
零基础学习python 你该怎么做-爱代码爱编程
本人文科生，回顾自己近 2 年的Python 自学经历，有一些学习心得和避坑经验分享给大家，让大家在学习 Python 的过程中少走一些弯路！减少遇到不必要的学习困难！ 首先，最开始最大的困难应该就是对编程的抵触与恐惧心理，总觉着编程似天书，一堆奇怪的符号组成的文件，这种心理会伴随很长时间，需要努力的去接受并克服它。 作为过来人建议从最最基础的命令开始
3个独一无二的机器学习Python库-爱代码爱编程
Python有大量广泛应用于数据科学的软件包，其中部分工具旨在实现机器学习算法。我将介绍一些新的软件包，您以前可能从未听说过这些工具，或者用得很少。这些库使机器学习算法的选择变得更快和更容易。如果您想了解更多重要的机器学习Python库，请继续阅读，它们并不是scikit-learn，TensorFlow。我们将讨论PyCaret，pickle和Imbal
贝叶斯算法对PDF文档归类-爱代码爱编程
前段时间看到有个群在招文档分类志愿者，主要工作是把各个渠道收集到的分析报告（PDF格式）进行分类整理，就想起来机器学习中有个朴素贝叶斯算法正好是处理这种语言文字分类的利器，于是决定写一个分类的脚本来玩玩儿。 整个处理思路大致如下： 1、获取PDF文档中文字内容另存在TXT文件（pdfminer） 2、对TXT文件分词并获取特征向量（jieba） 3