热衷开源的Boy

语音识别:对音频wav进行频率重采样 import librosa import soundfile as sf for i in range(1,101): #name = "LJ001-"+str( "%04d"%(i) )+".wav" name = "" src_sig,sr = sf.read(name) #name是要 输入的wav 返回 src_sig:音频数据 sr:原采样频率 dst_sig = librosa.resample(src_sig,sr

方法 适用问题 模型特点 模型类型 学习策略 学习的损失函数 学习算法 感知机 二类分类 分离超平面 判别模型 极小化误分点到超平面的距离 误分点到超平面距离 随机梯度下降 k近邻 多分类,回归 特征空间,样本点 判别模型 \ \ \ 朴素贝叶斯法 多分类 特征与类别的联合概率分布,条件独立假设 生成模型 极大似然估计,最大后验概率估计 对数似然损失 概率计算公式,EM算法 决策树 多类分类,回归 分类树,回归树 判别模型 正则化的极大似然估计 对数似然估计 特征选择,生成,剪枝...

算法 定义 优点 确定

win10下CUDA和cuDNN的安装 https://blog.youkuaiyun.com/weixin_43593330/article/details/103098728

基于内容的推荐算法（Content-Based Recommendations CB） 核心思想: 根据用户过去喜欢的内容（tag），为用户推荐和他过去喜欢的内容相似的内容。 过程一般包括以下三步： 内容表征（Item Representation）：为每个内容抽取出一些特征来表示此tags； 特征学习（Profile Learning）：创建用户过去喜欢（及不喜欢）的喜好特征（prof...

解释 TF（Term Frequency，缩写为TF）：词频，某一词条（item）出现的频度。为归一化要除以该篇文档的所有item。 TF=TF=TF= IDF（Inverse Document Frequency，缩写为IDF）：逆文本频率。公式如下 ...

多层感知机 感知机 基本的处理单元 一个感知机 该感知机的输出y=wTxy=\textbf{w}^T\textbf{x}y=wTx w\textbf{w}w维度1x(d+1) x\textbf{x}x维度(d+1)x1 该公式定义类一个空间超平面,可以将输入空间划分为两个部分。 y=[w0⋯wd][x0⋮xd]y= \begin{bmatrix} w_0&\cdots&amp...