1.手写数字数据集 # 导入手写数据集 from sklearn.datasets import load_digits data = load_digits() print(data) 2.图片数据预处理 x：归一化MinMaxScaler() y：独热编码OneHotEncoder()或to_c ...
分类：
其他好文 时间：
2020-06-09 23:47:27
阅读次数：
66
1.手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() 2.图片数据预处理 x：归一化MinMaxScaler() y：独热编码OneHotEncoder()或to_categorical 训练集测试集划分 ...
分类：
其他好文 时间：
2020-06-09 20:13:10
阅读次数：
79
1.手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() 2.图片数据预处理 x：归一化MinMaxScaler() y：独热编码OneHotEncoder()或to_categorical 训练集测试集划分 ...
分类：
其他好文 时间：
2020-06-09 19:00:21
阅读次数：
70
1.手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() （1）导入数据包 （2）读取数据 2.图片数据预处理 x：归一化MinMaxScaler() y：独热编码OneHotEncoder()或to_cate ...
分类：
其他好文 时间：
2020-06-09 10:03:52
阅读次数：
76
1.手写数字数据集 from sklearn.datasets import load_digits digits = load_digits() 2.图片数据预处理 x：归一化MinMaxScaler() y：独热编码OneHotEncoder()或to_categorical 训练集测试集划分 ...
分类：
其他好文 时间：
2020-06-09 09:15:43
阅读次数：
65
Caffe框架GPU与MLU计算结果不一致请问如何调试？ 某一检测模型移植到Cambricon Caffe上时，发现无法检测出结果，于是将GPU和MLU的运行结果输出并保存后进行对比，发现二者计算结果不一致，如下图所示： 第一张为GPU模式下，第二张为GPU模式，二者使用的输入和数据预处理方式均完全 ...
分类：
其他好文 时间：
2020-05-30 21:51:21
阅读次数：
85
Embedded嵌入法 嵌入法是一种让算法自己决定使用哪些特征的方法，即特征选择和算法训练同时进行。在使用嵌入法时，我们先使用某些机器学习的算法和模型进行训练，得到各个特征的权值系数，根据权值系数从大到小选择特征。 这些权值系数往往代表了特征对于模型的某种贡献或某种重要性，比如决策树和树的集成模型中 ...
分类：
其他好文 时间：
2020-05-29 13:49:27
阅读次数：
57
过滤法总结 到这里我们学习了常用的基于过滤法的特征选择，包括方差过滤，基于卡方，F检验和互信息的相关性过滤，讲解了各个过滤的原理和面临的问题，以及怎样调这些过滤类的超参数。通常来说，我会建议，先使用方差过滤，然后使用互信息法来捕捉相关性，不过了解各种各样的过滤方式也是必要的。所有信息被总结在下表，大 ...
分类：
其他好文 时间：
2020-05-29 13:33:00
阅读次数：
102
相关性过滤 方差挑选完毕之后，我们就要考虑下一个问题：相关性了。 我们希望选出与标签相关且有意义的特征，因为这样的特征能够为我们提供大量信息。如果特征与标签无关，那只会白白浪费我们的计算内存，可能还会给模型带来噪音。在sklearn当中，我们有三种常用的方法来评判特征与标签之间的相关性：卡方，F检验 ...
分类：
其他好文 时间：
2020-05-29 13:27:44
阅读次数：
149
Wrapper包装法 包装法也是一个特征选择和算法训练同时进行的方法，与嵌入法十分相似，它也是依赖于算法自身的选择，比如coef_属性或feature_importances_属性来完成特征选择。但不同的是，我们往往使用一个目标函数作为黑盒来帮助我们选取特征，而不是自己输入某个评估指标或统计量的阈值 ...
分类：
移动开发 时间：
2020-05-29 13:24:47
阅读次数：
159
