Palpitate的博客

个人信用风险评估项目

Tensorflow1.9循环神经网络

TensorFlow1.9全卷积神经网络与图像分割

TensorFlow1.9经典CNN模型介绍

TensorFlow1.9卷积神经网络

Tensorflow1.9全连接网络

Tensoflow1.9图像处理基础

如何解决spyder闪退或打不开

Tensorflow1.9编程基础

spark-scala语音编程基础一.变量1.不同类型变量二、输入输出1.向控制台输入信息scala.io.StdIn //此处为大写i使用前，必须导入import io.StdIn._ //._类似于java里面的.*表示导入所有类var i = readInt() //从控制台读入一个整形var f = readFloatvar b = readBooleanvar str = readLine("please input your name:")直接使用全

一、序列模型之循环神经网络RNN1.1定义与特点输入或者输出中包含有序列数据的模型叫做序列模型（序列中包含信息）输入（输出）元素之间是具有顺序关系。不同顺序，得到的结果应该是不同的，比如“不睡觉”和“睡觉不”这两个短句的意思是不同的输入输出不定长，比如聊天机器人，聊天之间的对话长度都是不定的1.2场景应用机器翻译语音识别行为预测股价预测1.3循环神经网络（RNN）一类以序列（Sequence）数据为输入，在序列的演进方向进行递归（recursion）的神经网络二、R

一、图像卷积运算1.1定义图像的卷积（convolution）运算，即通过对图像矩阵与滤波器矩阵进行对应相乘再求和运算，可实现图像中特定轮廓特征的快速搜索1.2核心寻找适合的轮廓过滤器：计算机根据训练图片及其类别，自动寻找合适的轮廓过滤器，再使用该过滤器去寻找图像轮廓用于判断新图片所属类别最小化输出损失函数的过程，也是寻找合适w的过程，即寻找合适的过滤器1.3彩色图的卷积运算RGB图像的卷积：对R/G/B三个通道分别求卷积再相加红绿蓝三通道图片，经过一个过滤器的卷积运算后

一、多层感知机MLP1.1定义人工神经网络（Artificial Neural Networks，简写维ANN）:一种类似于大脑神经突触联接的结构进行信息处理的数学模型二、MLP实现非线性分类2.1MLP实现与门2.2MLP实现非与门2.3MLP实现或门2.4MLP实现同或门三、MLP实现多分类四、激活函数4.1定义激活函数（Activation Function），就是在人工神经网络的神经元上运行的函数，负责将神经元的输入映射到输出端4.2阶跃函

一、模型的过拟合与欠拟合1.1现实问题思考1.2欠拟合与过拟合的定义由于模型不合适，致使其无法对新的测试数据进行准确的预测1.3欠拟合观察训练数据的预测结果发现选用其他模型、增加模型复杂度、增加数据样本、采集新的维度数据1.4过拟合原因使用了过于复杂的模型结构（比如高阶决策边界）训练数据不足，有限的训练数据（训练数据只有总体样本中的小部分、不具备代表性）样本里的噪音数据干扰过大，模型学习到了噪音信息（使用过多与结果不相关属性数据）解决方法简化模型结构（降低模

import imageiodef create_gif(image_list, gif_name, duration=0.35): frames = [] for image_name in image_list: frames.append(imageio.imread(image_name)) imageio.mimsave(gif_name, frames, 'GIF', duration=duration) returndef main():

一、异常检测1.1可以用到的案例欺诈检测：盗刷信用卡检测入侵检测：检测网络入侵或计算机入侵行为医疗：缺陷基因检测生态系统：预测飓风、洪水、干旱、热浪和火灾的发生1.2监督式异常检测提前使用带“正常”与“异常”标签的数据对模型进行训练，机器基于训练好的模型判断新数据是否为异常数据1.3无监督式异常检测通过寻找与其他数据最不匹配的实例来检测出未标记测试数据的异常1.4定义基于数据分布，寻找与其他数据最不匹配的实例寻找发生可能性比较低的事件二、概率密度函数在连续分布

一、无监督学习1.1定义机器学习的一种方法，训练数据中不带标签，让机器自动寻找数据规律并完成任务（数据不包括正确的结果）1.2特点数据不需要标签算法不受监督信息（偏见）约束1.3优点降低数据采集难度，极大程度扩充样本量可能发现新的数据规律、被忽略的重要信息1.4主要运用聚类分析关联学习维度缩减二、聚类分析2.1定义把数据样本按照一定的方法分成不同的组别，这样让在同一个组别中的成员对象都有相似的一些属性2.2应用场景目标用户的群体分类图像切割基因聚类

一、K近邻分类（KNN）1.1定义通过计算新数据与训练数据之间的距离，然后选取K(K>=1)个距离最近的邻居进行分类判断（K个邻居），这k个邻居的多数属于某个类，就把该新数据实例分类到这个类中k=3，绿色原点（50，50）的最近的3个邻居是2个红色小三角形（60，50）、（50，60）和一个蓝色小正方形（40，40），判定其属于红色的三角形一类k=5，绿色原点（50，50）的最近的3个邻居是2个红色小三角形（60，50）、（50，60）和三个蓝色小正方形（40，40）、（40，80）、（30

一、切换回原模式inline通过工具栏tool，进入preference设置，如图设置成inline，并重启spyder二、使用复制粘贴放大图片2.1先复制图片,随后找个对话框（如qq）粘贴，然后放大查看2.2点击查看完整图2.3按住alt+上下滚轮可放大缩小虽然可能有点小麻烦，但是也解决了问题，已经解决问题的朋友可以点点赞和关注...

一、垃圾信息检测1.1如何实现收集一些样本，告诉计算机哪些是垃圾信息【监督学习】计算机自动寻找垃圾信息的共同特征【部分特征：发件人、是否群发、网址、元、赢、微信、免费】在新信息中检测是否包含垃圾信息特征内容，判断其是否为垃圾信息二、分类预测2.1定义根据数据类别与部分特征信息，自动寻找类别与特征信息的关系，判断一个新的样本属于哪种类别2.2流程特征信息数据类别寻找关系2.3方法逻辑回归朴素贝叶斯决策树KNN近邻模型三、逻辑回归3.1更适合于分类场

一、机器学习1.1机器学习的概念从数据中寻找规律、建立关系，根据建立的关系去解决问题1.2机器学习的学习框架训练数据x,y 自动求解x,y的关系 新数据预测1.3机器学习的四大学习方法类别1.31监督学习有正确的标签价格预测，图像识别，语言翻译线性回归，逻辑回归，决策树，朴素贝叶斯，KNN1.32无监督学习没有正确的标签客户划分，新闻聚类，数据降维聚类算法，PCA降维，异常检测1.33半监督学习*有少量正确标签混合学习应用1.34强化学习建立奖惩

爬虫实战一、几种常用的爬虫工具UrllibRequestsScrapySelenium二、Request的使用import requestsdata=requests.get("https://www.youkuaiyun.com")data.encoding="utf-8" #处理信息data.textdata.status_code ##查看爬取是否成功（2字头：代表请求已经被服务器成功接受和理解；3字头：重新定向；4字头：客服端发生错误；5，6头：服务器发生错误或者异常）三、应

python学习第四天一、Pandas①生成数组import pandas as pddata=pd.DataFrame([1,2,3,4],columns=["numbers"],index=["a","b","c","d"])②数据的读取储存和索引可直接导入excel csv文件#数据导入和储存data=pd.read_csv("data.csv")data.to_csv("data1.csv")#数据查看data.indexdata.columns #每列的名字da

1.Numpy的ndarry#载入numpyimport numpy as np定义ndarrya=np.array([1,2,3,4])b=np.array([[1,2,3],[3,2,1]])c=np.array([[1,2.5,3.14],[13.1,2.6,1.2]])d=np.array([[1,2,3,4]])#一些查看命令b.shape #几×几b.size #几个数b.ndim #查看维度2.Numpy的使用#向量生成np.arange(10)np.lin

1.python函数def 函数名（输入）:return 输出*例def sumoftwo(x,y): result=a+b return resultdef maxoftwo(x,y): if x>y: return x else: return y2.文件IOr 读入w 创建新文本 (对原文本覆盖)a 在原文本的基础上进行修改file=open("test.txt","r") file.read(

Python_学习第一天1. jupyter notebook按ctrl＋enter运行按shift+enter运行并生成下一个模块2.变量的类型IntFloatString判断是什么类型print(type(a))3.python的基本运算指数**取绝对值 abs()取小数点后几位round(3.14159,2) 3.144.python的基础语法同一类型缩进要一致（下图为缩进出错报错）换行号 “\”使用时 +回车+空格*注释 #5.python中常

1.泛型泛型可以解决数据类型的安全性问题，减少了类型转换的代码a.格式【泛型类格式】[访问权限]class 类名称<泛型类型1，泛型类型2,…泛 型类型3>{[访问权限]泛型类型标识 变量名称；[访问权限]泛型类型标识 方法名称（）{}；[访问权限]返回值类型声明 方法名称（泛型类型标识 变量名称）{}；}*[泛型对象定义]类名称<具体类>对象名称 = new 类名称<具体类>（）；b.设置一个泛型class Piont<T&g

多线程1继承Thread类Thread类是在java.lang包中定义的，一个类只要继承了Thread类，就成为多线程，而且必须覆写run方法，此方法为线程的主体。而如果要正确的启动线程，不能直接调用run()方法，而应该调用Thread类中继承过来的start方法[使用格式]class 类名称 extends Thread{属性；方法；public void run(){线程主体；}}案例package org.sz.demo07.threaddemo;class MyThrea

(1) 类：所有单词的首字母大写，如TestJava。(2) 方法：第1个单词的首字母小写，之后每个单词的首字母大写，如setName()。(3) 属性：第1个单词的首字母小写，之后每个单词的首字母大写，如studentName。(4) 包：所有单词的字母小写，如org.sz.demo(5) 常量：所有单词的字母大写，如FLAG。...

Java 学习笔记 包及访问控制权限1.package关键字package是在使用多个类或接口时，为了避免名称重复而采用的一种措施，直接在程序 中加入package关键字即可，格式如下。package包名称.子包名称;案例1package org.sz.demo01;class Demo{public String getInfo() {return “Hello world!”;}}public class PackageDemo01{public static void main

学习笔记 - java 异常的捕获及处理*看视频整理，仅用于自己学习，侵删1.异常*异常是导致程序中断运行的一种指令流，如果不对异常进行正确的处理，，可能导致程序的中断执行，造成不必要的损失，所以在java程序设计时，要充分地利用java的异常处理机制案例：public class ExceptionDemo01{public static void main(String args[]) {System.out.println("****** 计算开始 ");int i = 10;in

java面对对象学习笔记菜鸡萌新笔记自用，有错误的地方还望大佬指出，感激不尽多为整理，侵删1.继承class 父类{}class 子类 extends 父类{}意义：如果子类中有一些重复分方法就不用定义了extends 关键字：称为扩展，子类有时候也被成为派生类2.继承的限制单继承：一个孩子只能有一个亲爸，一个孩子不能有两个亲爸，一个子类只能继承一个父类，不能继承两个父类【错误：一个子类继承了两个父类】可以多层继承： 父传子，子传孙【正确】3.访问限制Priv