小胖鸡的博客

Mon 22已完成 进行中 计划中 现有任务 Adding GANTT diagram functionality to mermaidDatawhale 零基础入门数据挖掘-Task1 赛题理解学习目标数据概况train.csvtestA.csvbaseline微调读取数据提交结果又来参加打卡啦~这次选择的是一个相对而言比较简单的项目学习目标简单来说就是通过理解和分析数据，生成一个excel的结果，然后提交查看分数

包管理是Go一直被诟病做得不好的功能之一。先前版本（go 1.11之前）的主要缺点之一是go get是缺乏对依赖包版本的管理和对可复制构建(reproducible build)的支持。Go社区已经开发了一些包管理器和工具作为版本化包依赖的事实标准解决方案，如glide，dep以及一些辅助工具等。“我在生产构建中使用go get。” – 没有人这么说过。Go语言的包管理实现可追溯到Google公司内的代码依赖管理（Google将内部所有源代码都存放在一个巨大的单体存储库中）。我们来分析一下在”Go mo

接口Go 语言提供了另外一种数据类型即接口，它把所有的具有共性的方法定义在一起，任何其他类型只要实现了这些方法就是实现了这个接口。

切片与数组的关系对于任何一个切片来说，其都有一个底层数组与之对应，我们可以将切片看作是一个窗口，透过这个窗口可以看到底层数组的一部分元素。Go 语言切片是对数组的抽象。Go 数组的长度不可改变，在特定场景中这样的集合就不太适用，Go中提供了一种灵活，功能强悍的内置类型切片(“动态数组”),与数组相比切片的长度是不固定的，可以追加元素，在追加时可能使切片的容量增大。...

任务1：数据读取学习目标下载好数据集，并理解赛题具体的背景；理解并梳理清楚赛题的任务；完成赛题数据读取；赛题介绍赛题名称：A城市巡游车与网约车运营特征对比分析赛题说明：出租车作为城市客运交通系统的重要组成部分，以高效、便捷、灵活等优点深受居民青睐。出租车每天的运营中会产生大量的上下车点位相关信息，对这些数据进行科学合理的关联和挖掘，对比在工作日以及休息日、节假日的出租车数据的空间分布及其动态变化，对出租车候车泊位、管理调度和居民通勤特征的研究具有重要意义。出租车/网约车：上下车地点挖掘；出

学习主题比赛链接：https://data.xm.gov.cn/opendata-competition/index.html#/算法分析真实场景：A城市巡游⻋与网约⻋运营特征对比分析＃＃问题陈述因为在境外，没有及时收到验证码，直到今晚才解决目前的情况是大致过了一眼数据集，预处理的时候需要注意下空字符串...

基于机器学习的文本分类在本章我们将开始使用机器学习模型来解决文本分类。机器学习发展比较广，且包括多个分支，本章侧重使用传统机器学习，从下一章开始是基于深度学习的文本分类。学习目标学会TF-IDF的原理和使用使用sklearn的机器学习模型完成文本分类机器学习模型机器学习是对能通过经验自动改进的计算机算法的研究。机器学习通过历史数据训练出模型对应于人类对经验进行归纳的过程，机器学习利用模型对新数据进行预测对应于人类利用总结的规律对新问题进行预测的过程。机器学习有很多种分支，对于学习者来说应该优先

**赛题理解**赛题名称：零基础入门NLP之新闻文本分类赛题目标：通过这道赛题可以引导大家走入自然语言处理的世界，带大家接触NLP的预处理、模型构建和模型训练等知识点。赛题任务：赛题以自然语言处理为背景，要求选手对新闻文本进行分类，这是一个典型的字符识别问题。学习目标理解赛题背景与赛题数据完成赛题报名和数据下载，理解赛题的解题思路赛题数据赛题以匿名处理后的新闻数据为赛题数据，数据集报名后可见并可下载。赛题数据为新闻文本，并按照字符级别进行匿名处理。整合划分出14个候选分类类别：财经、彩票、房产、股

零基础入门CV赛事-Task5 模型集成知识点常用集成学习方法注意事项心得体会知识点集成学习方法深度学习中的集成学习结果后处理思路常用集成学习方法bagging VS random forest（随机森林）boosting、adaboost 、GBDTstacking集成学习的目的是通过构建并结合多个分类器来完成学习任务，通过多个学习器的结合，以期获得比单一学习期更好的泛化性能注意事项集成学习只能在一定程度上提高精度，并需要耗费较大的训练时间，因此建议先使用提高单个模型的精度

零基础入门CV赛事-Task3 字符识别模型一级目录二级目录三级目录CNN 概述Pytorch构建CNN模型一级目录二级目录三级目录CNN 概述略（卷积神经网络）Pytorch构建CNN模型方法1 根据baseline调参在Pytorch中构建CNN模型非常简单，只需要定义好模型的参数和正向传播即可，Pytorch会根据正向传播自动计算反向传播。在本章我们会构建一个非常简单的CNN，然后进行训练。这个CNN模型包括两个卷积层，最后并联6个全连接层进行分类。import torchtor

零基础入门CV赛事-Task2 数据读取与数据扩增数据读取与数据扩增学习目标图像读取报错归纳常用扩增方法数据读取与数据扩增学习目标学习Python和Pytorch中图像读取学会扩增方法和Pytorch读取赛题数据图像读取报错归纳Pillow根据baseline给出的步骤，安装pillow，但是报错，查了下是因为pillow在7.0以后的版本对相关组件不支持，但是忘记截图，就找了我在优快云上看到的帖子，并试着用该方法，结果出现了跟评论区一样的问题。报错解释：torchvisio

Task01：html等有关知识，api使用，request-get使用request 库安装使用发送http请求构造urlHTTP响应正文响应正文固定的结构request 库安装pip install requests使用发送http请求首先将requests库import进来：import requests然后，可以使用requests来发送get请求：r = req...