dingxl555的专栏

于类别不均衡的学习问题，利用1.半监督学习 --- 也即利用更多的无标签数据；2.自监督学习 --- 不利用任何其他数据，仅通过在现有的不平衡数据上先做一步不带标签信息的自监督预训练（self-supervised pre-training）都可以大大提升模型的表现，并且对于不同的平衡/不平衡的训练方法，从最基本的交叉熵损失，到进阶的类平衡损失[1][2]，重采样[3]，重加权[4][5]，以及之前的state-of-the-art最优的decouple算法[6]等，都能带来一致的&amp.

# -*-coding: utf-8 -*-import pandas as pd#读取csv文件df=pd.read_csv('A_2+20+DoW+VC.csv')#求‘ave_time’的平均值aveTime=df['ave_time'].mean()#把ave_time这列的缺失值进进行填充，填充的方法是按这一列的平均值进行填充df2=df.fillna(aveTime)#...

pyinstaller的命令如下pyinstaller -F forecast.py遇到了no module named typedefs这个问题解决的时候需要在刚才的命令后面加 --hidden-import sklearn.neighbors.typedefs 将含有pandas、numpy 等c源码包的代码打包为exe时出现错误的解决方法  应为pandas nu...