- 博客(25)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Task01 Matplotlib初相识
1、知识梳理 Matplotlib是matplot库在python中的实现，是知名的数据可视化包，可以绘制动态图、动态图、交互图，广泛应用于科研论文中。Matplotlib与numpy、pandas结合，更加简洁易用。 Matplotlib与R的ggplot2类似，也是又容器组成，包括Figure，Axes、Axis和Tick： Figure：顶层级，用来容纳所有绘图元素 Axes：matplotlib宇宙的核心，容纳了大量元素用来构造一幅幅子图，一个figure可以...
2021-09-14 20:42:06
154
原创 Datawhale 西瓜书第六章
1、间隔与支持向量 分类的核心思想是在给定的样本空间寻找超平面，将不同类别的样本分开。在样本空间中，超平面 其中，为法向量，决定了超平面你的方向，b为位移项，决定超平面与原点之间的距离。任意点到超平面的距离可以表示为： 如果超平面（w,b）能够正确的对样本进行分类，对于，若有,如果，则有,满足改条件的样本点称之为支持向量（support vector） 2、对偶问题 对偶问题是优化中的经典问题，如果现有的规划问题无法求解，或者很难求解，可以将其转...
2021-07-29 23:06:06
159
1
原创 Datawhale 西瓜书第五章
1、神经元模型 神经网络模型是近年来最火的机器学习算法，不仅在CV、NLP、语音处理等领域应用较多，在社会科学、管理科学、机器人等多学科交叉领域有广泛的应用。神经网络模型最基本的模型是多层感知机模型，该模型在上个世纪八九是年代就已经出现，但是由于当时计算机处理能力有限，在机器学习方面应用有限。 神经网络中最基本的模型是神经元（neuron）模型，神经元接收来自N个其他神经元的信号，通过带权重的连接进行传递。神经元接收的输入与神经元阈值进行比较，通过激活函数进行输出。 ...
2021-07-25 22:48:22
298
原创 Datawhale 西瓜书第四章
1、决策树基本流程 决策树是模拟树状的决策过程，包括根节点、叶子节点和内部节点。根节点包括样本全集，叶子节点表示决策结果。决策树计算的过程就是寻找一条从根节点到叶子节点的路径。 基本算法过程为： 2、划分选择 决策树是递归过程，分为三种情况： （1）当前节点包含的样本全属于同一类别，无需化划分。 （2）当前属性集为空，或是所有样本在所有属性上取值相同，无法划分。 （3）当前节点包含的样本集合为空，不能划分。 ...
2021-07-22 22:39:49
106
原创 Datawhale 西瓜书第三章
本章主要介绍线性模型进行二分类和多分类问题。 1、线性回归 线性回归模型在机器学习中应用广泛，通常，线性模型表示为属性的显性组合，即 更一般的形式为： 损失函数定义为真实值与预测值之间的差，通常使用均方误差来表示： 2、对数几率回归 显性回归通常用于模型对真实样本的拟合，无法解决分类问题，为此，对数回归几率模型引入单调可微的sigmoid函数（与深度学习中的激活函数类似），也叫逻辑函数，定义为： 对数几率回归的损失函数定义为： ...
2021-07-19 22:53:44
177
1
原创 Datawhale 西瓜书第一、二章
第1章 绪论 主要阐述了机器学习的基本概念、基本假设和发展历程。重要的概念如下： 数据集：示例的集合，示例是对事件或者对象的描述。 属性/特征：事件或者对象某方面的对象与性质。 属性空间/样本空间/输入空间：属性张成的空间。 学习/训练：从数据中得到模型的过程，学习的样本称为训练集，学习出的模型称为学习器。 测试：使用模型进行预测的过程，被预测的样本称为测试集。 监督学习：数据有标记信息（如回归，分类） 无监督学习：数据无标记信息（如聚类） 泛化能力：学得模型适用于新样本的能...
2021-07-13 18:56:23
107
原创 组队学习-总结 Taks 08
在参加本次组队学习之前，本人一直相对图神经网络有系统的学习，但是由于种种原因未能如愿。近年来，一直关注Datawhale的内容，正好有图神经的组队学习，于是就报名了。经过20多天的艰苦学习，在实验室有诸多的任务的情况下，仍在坚持完成组队学习的各项内容。通过Datawhale的组队学习，收获如下： （1）对图深度学习有基本的认识，对图论知识、图分类、图预测等有初了解。 （2）熟悉了PyG库的安装和使用，并在colab和linux上完成相关的作业。在完成过程中，遇到诸...
2021-07-10 23:15:15
242
5
原创 组队学习-图预测 Taks 07
1、知识点回顾 （1）Dataset基类简介 在PyG中，输入数据可以自定义数据类型，需要继承基类torch_geometric.data.Dataset，定义len()函数和get()函数。如果数据不需要下载，可以不定义函数download()和process(). （2）图样本封装成批和与DataLoader类 图分类和图预测的图像类型多种多样，想要将这些数据进行输入，就需要进行图样本的封装。在PyTorch Geometric中，程序将小图放在大图的对角线上构成...
2021-07-09 19:52:05
358
1
原创 组队学习-图神经网络 Taks 06
1、基于图同构网络（GIN）的图表征 采用GINNodeEmbedding模块对图上每一个节点做节点嵌入（Node Embedding），得到节点表征；然后对节点表征做图池化得到图的表征；最后用一层线性变换对图表征转换为对图的预测。 基于结点表征计算得到图表征的方法有： sum：对节点表征求和； mean：对节点表征求平均； max：取节点表征的最大值，对一个batch中所有节点计算节点表征各个维度的最大值； attention：基于Attention对节点表征加权求和 set2set:...
2021-07-04 14:54:05
976
原创 组队学习-图神经网络 Taks 05
尝试将数据集切分成不同数量的簇进行实验，然后观察结果并进行比较。 1、设置num_parts=1500 cluster_data = ClusterData(data, num_parts=1500, recursive=False, save_dir=dataset.processed_dir) train_loader = ClusterLoader(cluster_data, batch_size=20, shuffle=True, ..
2021-07-01 10:57:25
590
原创 组队学习-图神经网络 Taks 04
1、InMemoryDataset基类的使用 在PyG中，我们通过继承InMemoryDataset类来自定义一个数据可全部存储到内存的数据集类。 InMemoryDataset类初始化方法参数说明: root：字符串类型，**存储数据集的文件夹的路径**。 transform：函数类型，一个数据转换函数，它接收一个`Data`对象并返回一个转换后的`Data`对象。 pre_transform：函数类型，一个数据转换函数，它接收一个`Data`对象并返回一个转换后的Data对象。 pre_..
2021-06-27 21:25:52
281
1
原创 组队学习-图神经网络 Taks 03
1、知识梳理 1.1 图卷积神经网络 $$\mathbf{x}^{\prime}_i = \alpha_{i,i}\mathbf{\Theta}\mathbf{x}_{i} +\sum_{j \in \mathcal{N}(i)} \alpha_{i,j}\mathbf{\Theta}\mathbf{x}_{j},$$ 1.2 图注意力神经网络 2、使用[PyG中不同的图卷积模块在[PyG的不同数据集]上实现节点分类或回归任务。 ...
2021-06-23 20:46:09
386
1
原创 组队学习-图神经网络 Taks 02
1、MessagePassing基类的运行流程 MessagePassing类封装了“消息传递”的运行liucheng
2021-06-19 21:58:24
219
原创 Python常用函数
1、map(parm1,parm2)， 包括两个参数，一个是自定义，另一个是迭代器，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。通常parm2为list，如果是str，函数仍将转化为list。list的每个字符都是list的一个元素。 def normalize(name): if name: return name[0]...
2019-08-17 15:03:00
44
原创 Beautiful Soup常用操作
1、Bs4_Tag.contents 将标签转化为list 2、soup.prettify() 将soup中的内容以标签的形式打印出来 3、调用tag的 find_all() 方法时,Beautiful Soup会检索当前tag的所有子孙节点,如果只想搜索tag的直接子节点,可以使用参数 recursive=False 一段简单的文档: <html> <head>...
2018-10-23 16:04:07
303
转载 scikit-learn点滴
转自https://blog.youkuaiyun.com/lishuhuakai/article/details/53980517 scikit-learn点滴 scikit-learn是非常漂亮的一个机器学习库,在某些时候,使用这些库能够大量的节省你的时间,至少,我们用python,应该是很难写出速度快如斯的代码的. scikit-learn官方出了一些文档,但是个人觉得,它的文档很多东西都没有讲清...
2018-09-27 16:13:42
182
原创 基于K-means的动态主题模型话题分类
from numpy import array, zeros, argmin, inf, ndim import scipy.stats import time import numpy as np import matplotlib.pyplot as plt from sklearn.metrics import euclidean_distances def dtw(x, y, ...
2018-07-30 13:36:56
1415
原创 APA参考文献格式
最近写文章，被APA文献格式折腾的头大，因此参考APA格式说明文档，总结简单实用的文献引用格式，包括期刊、专著和会议参考文献格式。 1、期刊卷、期的区别 期刊以内容分种，以时间分卷和期。卷是在期之上的一个时间分类。这里“期”为1个年度中依时间顺序发行的期数的编号；而“卷”是此刊物从创刊年度开始按年度顺序逐年累加的编年号。 一般来说，期刊是有卷号和期号的，但也有些期刊只有期号而没有...
2018-07-22 14:44:00
109
原创 Linux 安装GSL库至指定目录
转自：https://blog.youkuaiyun.com/u012248802/article/details/80655902 GSL简介：GNU Scientific Library(GSL)是一个开源的科学计算的函数库，里面有大量的数学计算函数，非常强大。 1)下载GSL安装文件：http://mirrors.ustc.edu.cn/gnu/gsl/gsl-2.4.tar.gz 这里为了方便，我将...
2018-07-03 18:46:00
46
原创 linux安装软件包至指定目录
1、打开一个SHELL，即终端2、用CD 命令进入源代码压缩包所在的目录3、根据压缩包类型解压缩文件(*代表压缩包名称)tar -zxvf ****.tar.gztar -jxvf ****.tar.bz(或bz2)4、用CD命令进入解压缩后的目录5、输入编译文件命令：./configure(有的压缩包已经编译过，这一步可以省去)6、然后是命令：make7、再是安装文件命令：make insta...
2018-07-02 14:36:00
109
原创 联合概率、边际概率、条件概率
连个概率，边际概率，条件概率，似曾相识，之间的关系在推导中很重要！ 某离散分布： 联合概率、边际概率、条件概率的关系： 其中，Pr(X=x, Y=y)为“XY的联合概率”；Pr(X=x)为“X的边际概率”；Pr(X=x | Y=y)为“X基于Y的条件概率”；Pr(Y=y)为“Y的边际概率”； 从上式子中可以看到：Pr(X=x, Y=y) = Pr(X=x | Y=y) * Pr(Y...
2018-04-11 19:12:00
56
原创 机器学习任务
EM算法 极大似然估计(MLE) 最大后验概率(MAP) https://blog.youkuaiyun.com/shenxiaoming77/article/details/51643845 https://blog.youkuaiyun.com/zk_j1994/article/details/53997787 https://www.cnblogs.com/ironstark/p/5211...
2018-03-23 20:30:00
34
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人