NOKIAO的博客

import random a = [[1,3,5],[7,9,11]] b = [1,3] ran = random.randint(0,100) random.seed(ran) random.shuffle(a) random.seed(ran) random.shuffle(b) print(a) print(b) 这样看起来是没BUG的，我也做过了小数据量的实验，也是...

from matplotlib import pyplot as plt from matplotlib import animation # first set up the figure, the axis, and the plot element we want to animate fig = plt.figure() ax1 = fig.add_subplot(...

http://tool.yovisun.com/scihub/

mrmr是最大相关最小冗余 pymrmr库 最大化特征与标签的关系（信息增益也就是分类之后的商与分类之前的熵之差） 最小化特征之间的重复特征（互信息，公式） （单纯地通过固定算法来判断信息的强度与冗余是有可能把一些细节上的特征给分数打低了） # pd = pandas.read_csv("./X_train.csv") # result = pymrmr.mRMR(pd,"MIQ",30...

变分自编码器（Variational Autoencoder, VAE） VAE是一个改了中间层的自编码机。 基本思想来源：中间特征的泛化表示。 与一般的区别：一般的自编码机就是一个多层网络，中间的特征是一个固定的向量值。而VAE中间的特征是一种分布。 中间特征的抽象思考：1、如果输入是一个人脸图像，那么中间特征也许表示眼睛大小、肤色、头发种类等等等；2、类似于label smoothing一样，...

https://github.com/imhuay/Algorithm_Interview_Notes-Chinese

MP算法是一个贪婪算法 MP的目的：是为了求出用那几个基向量来表示一个向量，并且求出对应的系数。 MP思想：我就疯狂的把向量往基向量上映射，映射一次就得到一个残差，继续把残差往基向量上映射，继续得到残差，继续映射。如果残差足够小，我就把这个东西忽略了，然后把之前在基向量映射过系数的加起来，我们就可以用基向量近似表示一个向量了（前提是忽略了足够小的残差） OMP算法是保证了 ...