理不理解-优快云博客

原创 GCN代码逐行解释（简单实例，pytorch实现）

具体来说，模型使用了两个GCNConv层来实现图卷积操作，其中第一个层将输入特征转换为16维特征，第二个层将16维特征转换为数据集中的类别数目个特征。模型的forward方法定义了模型的前向传播过程，其中包括了两个GCNConv层的应用以及激活函数ReLU和dropout的使用。在代码的主体部分，首先加载了Cora数据集，并初始化了模型、优化器和数据。最后，对模型进行了测试，并计算了模型在测试集上的准确率。总的来说，Cora数据集是一个典型的图数据集，用于研究图数据上的节点分类和其他任务。

2024-03-16 19:29:58 4855 1

原创 pycharm中对于包的操作

这些是PyCharm中用于整理包的一些常用快捷键，可以根据个人习惯进行调整和自定义。快捷键来优化导入语句，去除多余的导入，按照字母顺序排列导入语句。快捷键来查看当前文件的包结构，可以方便地导航到其他包和文件。自动导入包：如果在代码中使用了未导入的包，可以使用快捷键。快捷键来对代码进行格式化和排列，包括包的导入语句。快捷键来折叠和展开包的结构。来自动导入缺失的包。查看包结构：可以使用。

2023-10-17 21:01:07 322

原创训练集、验证集、测试集比较

训练集验证集测试集功能用来训练机器学习模型的数据集用来调整机器学习模型的超参数（如学习率、正则化参数等）的数据集在训练和验证后用于评估模型性能的数据集规模通常是数据集的大部分，可以包含成千上万的样本验证集通常是从训练集中划分出来的，通常包含数百到数千个样本测试集通常是从数据集中划分出来的，通常包含数百到数千个样本来源划分通过留出法、交叉验证法、自助法等方法来将数据集划分为训练集和验证集可以是原始数据集中

2023-08-30 16:16:01 225

原创多层感知机（MLP）代码示例

在这个例子中，MLP模型有两个全连接层。数据加载器用于将数据分成小批次进行训练和测试。是输入图像的大小（28x28=784），，然后通过ReLU激活函数，再传递给。是输出的类别数（这里是10个数字），中，我们定义了两个全连接层。是每批训练样本的数量，

2023-08-20 22:47:28 3224 3

原创推荐攻击检测评价指标

（Confusion Matrix）：混淆矩阵可以展示模型分类结果的详细情况，包括真正类（True Positive，TP）、假正类（False Positive，FP）、真负类（True Negative，TN）和假负类（False Negative，FN）的数量。通过混淆矩阵可以计算出准确率、精确率、召回率等指标。

2023-08-08 16:02:25 564

原创 python如何在一个py文件中调用另一个py文件中的方法

要在一个Python文件中调用其他Python文件中的方法，可以使用Python的模块导入功能。模块是一个包含Python定义和语句的文件，可以被其他Python程序导入和使用。假设我们有两个Python文件，一个是file1.py，另一个是file2.py。然后，您可以在file1.py中直接调用my_function()，而无需使用file2.前缀。请注意，当您导入一个模块时，Python会执行该模块中的所有代码。希望这可以帮助您在Python中调用其他文件中的方法！

2023-06-27 16:24:54 3714

原创 Precision (精确率) 和 Recall (召回率)

Precision (精确率) 和 Recall (召回率) 是机器学习中的两个重要指标，用于评估分类模型的性能。精确率指预测为正的样本中真正为正的样本占比，召回率指真正为正的样本中被正确地预测为正的样本占比。其中，TP 表示真正为正的样本预测为正，FP 表示真正为负的样本预测为正，FN 表示真正为正的样本预测为负。通常情况下，精确率和召回率是相互矛盾的，提高精确率会降低召回率，反之亦然。

2023-04-08 09:43:33 10224 1

weixin_51976215的博客