已存在的數(shù)據(jù)庫(kù)怎么使用呢
flask-migrate動(dòng)態(tài)遷移數(shù)據(jù)庫(kù)了解flask_migrate需要先了解flask-script，那么flask-script的作用是什么呢？flask-script的作用是可以通過(guò)命令行的形式來(lái)操作Fla...
發(fā)簡(jiǎn)信
IP屬地：廣東
-
-
作業(yè)參考代碼有嗎
李宏毅GAN學(xué)習(xí)筆記（1）
GAN Lecture 1 Yann LeCun: Adversarial training is the coolest thing since sliced bread....
-
@菜鳥瞎編
有心了
對(duì)比線性回歸、邏輯回歸和SVM
線性回歸是回歸模型，邏輯回歸和SVM是分類模型。 線性回歸和邏輯回歸（廣義線性模型）是線性模型，SVM根據(jù)核函數(shù)的不同有線性模型和非線性模型。 邏輯回歸和SVM都是判別式模型...
-
@菜鳥瞎編 線性模型和核有什么關(guān)系。。 做了非線性變換就是非線性分類器了？那么邏輯回歸豈不也是非線性分類器
對(duì)比線性回歸、邏輯回歸和SVM
線性回歸是回歸模型，邏輯回歸和SVM是分類模型。 線性回歸和邏輯回歸（廣義線性模型）是線性模型，SVM根據(jù)核函數(shù)的不同有線性模型和非線性模型。 邏輯回歸和SVM都是判別式模型...
-
為什么不直接用sklearn
使用gensim和sklearn搭建一個(gè)文本分類器
總的來(lái)講，一個(gè)完整的文本分類器主要由兩個(gè)階段，或者說(shuō)兩個(gè)部分組成：一是將文本向量化，將一個(gè)字符串轉(zhuǎn)化成向量形式；二是傳統(tǒng)的分類器，包括線性分類器，SVM, 神經(jīng)網(wǎng)絡(luò)分類器等等...
-
然后把這些向量加起來(lái)再除以單詞數(shù)
使用不同的方法計(jì)算TF-IDF值
歡迎大家訪問(wèn)我的博客以及簡(jiǎn)書本博客所有內(nèi)容以學(xué)習(xí)、研究和分享為主，如需轉(zhuǎn)載，請(qǐng)聯(lián)系本人，標(biāo)明作者和出處，并且是非商業(yè)用途，謝謝！ 一. 摘要 這篇文章主要介紹了計(jì)算TF-ID...
-
為什么要加起來(lái)啊
使用不同的方法計(jì)算TF-IDF值
歡迎大家訪問(wèn)我的博客以及簡(jiǎn)書本博客所有內(nèi)容以學(xué)習(xí)、研究和分享為主，如需轉(zhuǎn)載，請(qǐng)聯(lián)系本人，標(biāo)明作者和出處，并且是非商業(yè)用途，謝謝！ 一. 摘要 這篇文章主要介紹了計(jì)算TF-ID...
-
svm真的是非線性模型嗎？
對(duì)比線性回歸、邏輯回歸和SVM
線性回歸是回歸模型，邏輯回歸和SVM是分類模型。 線性回歸和邏輯回歸（廣義線性模型）是線性模型，SVM根據(jù)核函數(shù)的不同有線性模型和非線性模型。 邏輯回歸和SVM都是判別式模型...
-
@2e8e2fd95f48 我覺(jué)得比不過(guò)諸如adam之類的梯度下降算法
遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)
背景 1、遺傳算法原理 遺傳算法（Genetic Algorithms，GA）是1962年美國(guó)人提出，模擬自然界遺傳和生物進(jìn)化論而成的一種并行隨機(jī)搜索最優(yōu)化方法。 與自然界中...
-
@眀滒玩鬧 局限性是什么呢
遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)
背景 1、遺傳算法原理 遺傳算法（Genetic Algorithms，GA）是1962年美國(guó)人提出，模擬自然界遺傳和生物進(jìn)化論而成的一種并行隨機(jī)搜索最優(yōu)化方法。 與自然界中...
-
為什么要寫成共軛的形式呢
小波變換簡(jiǎn)介
本文鏈接：個(gè)人站 | 簡(jiǎn)書 | CSDN版權(quán)聲明：除特別聲明外，本博客文章均采用 BY-NC-SA 許可協(xié)議。轉(zhuǎn)載請(qǐng)注明出處。 1. 傅里葉變換的局限性 傅里葉變換只能得到一...
-
小波變換簡(jiǎn)介本文鏈接：個(gè)人站 | 簡(jiǎn)書 | CSDN版權(quán)聲明：除特別聲明外，本博客文章均采用 BY-NC-SA 許可協(xié)議。轉(zhuǎn)載請(qǐng)注明出處。 1. 傅里葉變換的局限性 傅里葉變換只能得到一...
-
又是一個(gè)沒(méi)有缺點(diǎn) 無(wú)敵的算法描述
【算法】超詳細(xì)的遺傳算法(Genetic Algorithm)解析
00 目錄 遺傳算法定義 生物學(xué)術(shù)語(yǔ) 問(wèn)題導(dǎo)入 大體實(shí)現(xiàn) 具體細(xì)節(jié) 代碼實(shí)現(xiàn) 01 什么是遺傳算法？ 1.1 遺傳算法的科學(xué)定義 遺傳算法（Genetic Algorithm...
-
遺傳算法無(wú)敵？沒(méi)有缺點(diǎn)嗎
遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)
背景 1、遺傳算法原理 遺傳算法（Genetic Algorithms，GA）是1962年美國(guó)人提出，模擬自然界遺傳和生物進(jìn)化論而成的一種并行隨機(jī)搜索最優(yōu)化方法。 與自然界中...
-
原小波基和復(fù)共軛什么區(qū)別嗎 有些寫這個(gè)有些寫共軛
小波變換簡(jiǎn)介
本文鏈接：個(gè)人站 | 簡(jiǎn)書 | CSDN版權(quán)聲明：除特別聲明外，本博客文章均采用 BY-NC-SA 許可協(xié)議。轉(zhuǎn)載請(qǐng)注明出處。 1. 傅里葉變換的局限性 傅里葉變換只能得到一...
-
ARIMA 是單步預(yù)測(cè)吧
時(shí)間序列模型(ARIMA)
時(shí)間序列簡(jiǎn)介 時(shí)間序列 是指將同一統(tǒng)計(jì)指標(biāo)的數(shù)值按其先后發(fā)生的時(shí)間順序排列而成的數(shù)列。時(shí)間序列分析的主要目的是根據(jù)已有的歷史數(shù)據(jù)對(duì)未來(lái)進(jìn)行預(yù)測(cè)。 常用的時(shí)間序列模型 常用的時(shí)...
-
@2e8e2fd95f48 嗯 是的
時(shí)間序列的ADF檢驗(yàn)（單位根檢驗(yàn)）
from statsmodels.tsa.stattools import adfuller 可以看到里面的參數(shù)x：array_like，1維，時(shí)間序列 maxlag：int...
-
零假設(shè)有單位根
時(shí)間序列的ADF檢驗(yàn)（單位根檢驗(yàn)）
from statsmodels.tsa.stattools import adfuller 可以看到里面的參數(shù)x：array_like，1維，時(shí)間序列 maxlag：int...
-
有個(gè)地方寫錯(cuò)了,零假設(shè)無(wú)單位根，p值越小越重要，p小于0.05時(shí)應(yīng)該時(shí)平穩(wěn)的。
這句話
當(dāng)我們看序列是否平穩(wěn)的結(jié)果時(shí)，一般首先看第二部分的p_value值。如果p_value值比0.05小，證明無(wú)單位根，也就是說(shuō)序列非平穩(wěn)。如果p_value比0.05大則證明非平穩(wěn)。時(shí)間序列的ADF檢驗(yàn)（單位根檢驗(yàn)）
from statsmodels.tsa.stattools import adfuller 可以看到里面的參數(shù)x：array_like，1維，時(shí)間序列 maxlag：int...