<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[misscrush的博客]]></title><description><![CDATA[一个有意思的程序媛er]]></description><link>https://blog.youkuaiyun.com/misscrush</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; misscrush]]></copyright><item><title><![CDATA[AUC原理计算]]></title><link>https://blog.youkuaiyun.com/misscrush/article/details/80090097</link><guid>https://blog.youkuaiyun.com/misscrush/article/details/80090097</guid><author>misscrush</author><pubDate>Thu, 26 Apr 2018 10:20:25 +0800</pubDate><description><![CDATA[面试的时候回答的不清楚，学习&amp;amp;总结如下。 
参考link



1.ROC曲线

对于二值分类器，评价指标主要有precision，recall，F-score(综合考虑precision和recall的调和值) 
 
ROC曲线上的每个点反映着对同一信号刺激的感受性。横坐标FPR越大，预测正类中实际上负类越多。纵坐标TPR越大，预测正类中实际正类越多。所以最好的情况是（0,1）时。 

...]]></description><category></category></item><item><title><![CDATA[一道面试题：Python split()分割函数实现]]></title><link>https://blog.youkuaiyun.com/misscrush/article/details/80088901</link><guid>https://blog.youkuaiyun.com/misscrush/article/details/80088901</guid><author>misscrush</author><pubDate>Thu, 26 Apr 2018 09:16:22 +0800</pubDate><description><![CDATA[面试要求实现split函数，代码如下：

def asplit(s,scut):
    s = s+(scut)
    N = len(s)
    point1 = 0
    res = []
    for i in range(N):
        if s[i]==scut:
            res.append(s[point1:i])
            point...]]></description><category></category></item><item><title><![CDATA[DeepLearning学习笔记#Building your Deep Neural Network: Step by Step（3）]]></title><link>https://blog.youkuaiyun.com/misscrush/article/details/80015860</link><guid>https://blog.youkuaiyun.com/misscrush/article/details/80015860</guid><author>misscrush</author><pubDate>Fri, 20 Apr 2018 11:04:56 +0800</pubDate><description><![CDATA[概述

本文介绍如何利用Python的来实现具有多个隐藏层的图片分类问题。通过这次建立的多层神经网络模型，可以将之前的猫分类问题的准确率提升到80%。 
要点： 
1. 使用非线性映射单元（例如ReLU）去改善你的模型。 
2. 建立一个多个隐藏层的神经网络 
3. 创建一个易于调用的模型类



准备



import time
import numpy as np
import h5py
i...]]></description><category></category></item><item><title><![CDATA[DeepLearning学习笔记#Planar data classification with one hidden layer（2）]]></title><link>https://blog.youkuaiyun.com/misscrush/article/details/80015847</link><guid>https://blog.youkuaiyun.com/misscrush/article/details/80015847</guid><author>misscrush</author><pubDate>Fri, 20 Apr 2018 11:04:26 +0800</pubDate><description><![CDATA[概述

如何利用Python的来实现具有一个隐藏层的平面数据分类问题。前文，创建的神经网络只有一个输出层，没有隐藏层。本文将创建单隐藏层的神经网络模型。 
- 二分类单隐藏层的神经网络 
- 神经元节点采用非线性的激活函数，如tanh 
- 计算交叉损失函数 
- 运用前向和后向传播



准备

numpy：Python科学计算中最重要的库 
sklearn：提供了一些简单而有效的工具用于数据挖...]]></description><category></category></item><item><title><![CDATA[DeepLearning学习笔记#Logistic Regression with a Neural Network mindset（1）]]></title><link>https://blog.youkuaiyun.com/misscrush/article/details/80015836</link><guid>https://blog.youkuaiyun.com/misscrush/article/details/80015836</guid><author>misscrush</author><pubDate>Fri, 20 Apr 2018 11:04:00 +0800</pubDate><description><![CDATA[概述

本文主要内容：如何利用Python的来实现Logistic函数。包括：初始化、计算代价函数和梯度、使用梯度下降算法进行优化等并把他们整合成为一个函数。本文将通过训练来判断一副图像是否为猫。



准备

在这个过程中，我们将会用到如下库： 
numpy：Python科学计算中最重要的库 
h5py：Python与H5文件交互的库 
mathplotlib：Python画图的库 
PIL：P...]]></description><category></category></item><item><title><![CDATA[xgboost原理]]></title><link>https://blog.youkuaiyun.com/misscrush/article/details/80015807</link><guid>https://blog.youkuaiyun.com/misscrush/article/details/80015807</guid><author>misscrush</author><pubDate>Fri, 20 Apr 2018 11:02:41 +0800</pubDate><description><![CDATA[阅读XGBoost 与 Boosted Tree



基学习器：CART

每个叶子节点上面有一个分数 
 
不够厉害，所以找一个更强的模型



tree ensemble

对每个样本的预测结果是每棵树预测分数的和



目标函数

采用boosting（additive training）方法，每一次都加入一个新的函数。依赖每个数据点上的误差函数的一阶导数和二阶导（区别于GBDT）。 

...]]></description><category></category></item><item><title><![CDATA[python machine learning之情感分析]]></title><link>https://blog.youkuaiyun.com/misscrush/article/details/80015794</link><guid>https://blog.youkuaiyun.com/misscrush/article/details/80015794</guid><author>misscrush</author><pubDate>Fri, 20 Apr 2018 11:02:02 +0800</pubDate><description><![CDATA[步骤：

数据与输出 
重排打散



import pyprind
import pandas as pd
import os
basepath = ''
#将原始的txt文件都组合起来到一个csv中去
labels = {'pos':1,'neg':0}
pbar = pyprind.ProgBar(50000)
df = pd.DataFrame()
for s in ('test','tr...]]></description><category></category></item><item><title><![CDATA[kaggle phone verify 收不到验证码]]></title><link>https://blog.youkuaiyun.com/misscrush/article/details/79643877</link><guid>https://blog.youkuaiyun.com/misscrush/article/details/79643877</guid><author>misscrush</author><pubDate>Wed, 21 Mar 2018 18:22:47 +0800</pubDate><description><![CDATA[解决办法：1.+860手机号2.重启3.换个号码网上说了以上方法都试过无果。4.online SMS（https://www.receivesmsonline.net/）解决]]></description><category></category></item><item><title><![CDATA[ODL学习笔记（二）OpenDayLight的第一个项目-Hello World]]></title><link>https://blog.youkuaiyun.com/misscrush/article/details/62227482</link><guid>https://blog.youkuaiyun.com/misscrush/article/details/62227482</guid><author>misscrush</author><pubDate>Wed, 15 Mar 2017 15:58:36 +0800</pubDate><description><![CDATA[创建一个Hello项目]]></description><category></category></item><item><title><![CDATA[ODL学习笔记（一）安装OpenDayLight的环境搭建]]></title><link>https://blog.youkuaiyun.com/misscrush/article/details/51182895</link><guid>https://blog.youkuaiyun.com/misscrush/article/details/51182895</guid><author>misscrush</author><pubDate>Mon, 18 Apr 2016 21:15:39 +0800</pubDate><description><![CDATA[安装OpenDayLight之前的环境：主要是按照GettingStarted:Development Environment Setup来做的，并且总结遇到的问题。


一、VM virtualbox的安装以及Ubuntu


二、下载并安装Java JDK
OpenDaylight requires Java 7 JDK for Lithium (current release)]]></description><category></category></item></channel></rss>