GerHard 的博客

Boosting and AdaBoost

【 #很容易忘记怎么写# 系列】#include<stdlib.h>是在这个头文件中的函数！#include<stdio.h>#include<stdlib.h>int cmp(const void *a,const void *b){ return ( *(int *)a - *(int *)b ) ;}int main() {...

在 DataFrame 后添加一行并且保存为 csv 文件s = pd.Series({'acc':"min_loss", 'loss':log.loc[log['loss'].idxmin]['loss'], 'lr':"val_acc",'val_acc':log.loc[log['loss'].idxmin]['val_acc']})# 这里 Series 必须是 dict-lik...

你可以使用model.save(filepath)将Keras模型和权重保存在一个HDF5文件中，该文件将包含：模型的结构，以便重构该模型模型的权重训练配置（损失函数，优化器等）优化器的状态，以便于从上次训练中断的地方开始使用keras.models.load_model(filepath)来重新实例化你的模型，如果文件中存储了训练配置的话，该函数还会同时完成模型的编译 例子：

这里先分享两个分享： 一个是用深度学习（CNN RNN Attention）解决大规模文本分类问题 - 综述和实践，另一个是 brightmart 的 text_classification，里面用 Keras 实现了很多文本分类的模型）以及下面的各种分享： 2017 知乎看山杯从入门到第二 知乎看山杯夺冠记 深度学习与文本分类总结第二篇–大规模多标签文本分类 2017知乎看山杯总结

for中的范围是 [a, b)for i in range(1,10): print(i)输出：123456789定义空的数组（numpy中的array； list）X = np.empty(0,dtype=int)Xoutput：array([], dtype=int32)list = []往数组里添加元素：list：ap

卷积神经网络例子mnist_cnnkeras/tensorflow/caffe

神经网络——一个很好的解释从头开始以及用Python简单实现的神经网络

动态时间规整（DTW）  Dynamic Time Warping（DTW）诞生有一定的历史了（日本学者Itakura提出），它出现的目的也比较单纯，是一种衡量两个长度不同的时间序列的相似度的方法。应用也比较广，主要是在模板匹配中，比如说用在孤立词语音识别（识别两段语音是否表示同一个单词），手势识别，数据挖掘和信息检索等中。一、概述  在大部分的学科中，时间序列是数据的一种常见表示...

TICCGitHub代码解释

EMD，（Empirical Mode Decomposition)，经验模态分解Time Series Data，时间序列数据

boostingRNN

Xgboost

测试用例常见的设计方法有：等价类划分法、边界值分析法、错误推测法、判定表法、正交实验法。一、等价类划分法顾名思义，顾名思义，等价类划分，就是将测试的范围划分成几个互不相交的子集，他们的并集是全集，从每个子集选出若干个有代表性的值作为测试用例。 　　例如，我们要测试一个用户名是否合法，用户名的定义为：8位数字组成的字符。 　　我们可以先划分子集：空用户名，1-7位数字，8位数字，9位或以...