- 博客(4)
- 收藏
- 关注
RSS订阅原创 iforest异常检测
文章目录模型原理iforest模型优缺点模型实现训练：长树的过程异常score分数的计算1. 指标：平均划分路径2. score的理解3. 代码理解reference 模型原理 iforest模型优缺点 优点： 基于统计的异常检测中，iforest还是很好用的，而且异常检测结果有一定的可解释性。 对特征的scale和特征之间的相关性不敏感 算法具有线性的时间和空间复杂度 缺点： 识别“少而不同”的点为孤立异常点，“少而不同”靠特征反映（特征很重要），对时序性的异常，即有时序趋势的异常模式，就
2021-09-23 15:44:45
519
原创 Datawhale---企业对于数据人才的能力需求
本文是对Datawhale的讲座企业对于数据人才的能力需求的笔记整理 讲座地址 1. 基于tf的算法落地 提取/验证数据 train/分析 model 部署到生产环境 2. 算法落地流程 设备安装（重要性占50%）–数据采集–数据清洗，挑选，标注（重要性占20%）–训练（重要性占10%）—部署（云端/移动端） 3. 算法部门分工 数据+算法+算力 数据管理 比例占比10 数据采集，标注，质检（工程能力，提升质检效率，价值高于 算法本身的研究，研发流程会大规模缩短） 数据合规：脱敏，权限，使用流程，数据
2021-09-23 15:15:03
331
原创 keras layers
定义keras layers 什么是layers state compution tf.keras.layers.Layer 是keras中layer对象的基类, custom layer对象继承该类即可. layer对象包括它的state(即该layer的weights和bias, 是tf.Variable.将weidhts和bias定义为该类的属性的时候, 计算图会自动跟踪和更新这些变量的state)和计算图(call 函数, 输入输出都是tensor, 默认dtype为tf.float32)
2021-05-12 16:34:29
1470
原创 yolov3
输入输出 image: 416 * 416 output grid_1 (13 * 13 * 3 * (5 + nb_class)) grid_2 (26 * 26 * 3 * (5 + nb_class)) grid_3 (52 * 52 * 3 * (5 + nb_class)) grid_1 输出的是分辨率小, 目标对象很大的objects； 相对应 grid_3 输出是分辨率大, 目标对象小的objects； grid_1为例, 有13 * 13 cells, 每个cell中有3个不同大
2021-05-12 11:59:51
183
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人