数据可视化-plotly-绘制常见图形
数据可视化--plotly-绘制常见图形
具体实现
About ME
👋 读书城南,🤔
在未来面前,我们都是孩子~
📙
一个热衷于探索学习新方向、新事物的智能产品经理,闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~
👋 Social Media
🛠️ Blog: http://oceaneyes.top
⚡ PM导航: https://pmhub.oceangzy.top
☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/
🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/
📫 Email: 1450136519@qq.com
💬 WeChat: OCEANGZY
💬 公众号: UncleJoker-GZY
👋 加入小组~
👋 感谢打赏~
数据可视化-seaborn-基础
数据可视化-seaborn-基础
具体实现
About ME
👋 读书城南,🤔
在未来面前,我们都是孩子~
📙
一个热衷于探索学习新方向、新事物的智能产品经理,闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~
👋 Social Media
🛠️ Blog: http://oceaneyes.top
⚡ PM导航: https://pmhub.oceangzy.top
☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/
🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/
📫 Email: 1450136519@qq.com
💬 WeChat: OCEANGZY
💬 公众号: UncleJoker-GZY
👋 加入小组~
👋 感谢打赏~
数据可视化-seaborn-绘制常见统计图形
数据可视化-seaborn-绘制常见统计图形
具体实现
About ME
👋 读书城南,🤔
在未来面前,我们都是孩子~
📙
一个热衷于探索学习新方向、新事物的智能产品经理,闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~
👋 Social Media
🛠️ Blog: http://oceaneyes.top
⚡ PM导航: https://pmhub.oceangzy.top
☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/
🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/
📫 Email: 1450136519@qq.com
💬 WeChat: OCEANGZY
💬 公众号: UncleJoker-GZY
👋 加入小组~
👋 感谢打赏~
常见描述性指标的python实现
常见描述性指标的python实现
集中趋势
均值
\[
\mu=\frac{\displaystyle\sum\limits_{i=1}^N{X_i}}{N}
\]
中位数
众数
离散程度
极差
\[
R=\max{(X)}-\min{(X)}
\]
方差
\[
\sigma^2=\frac{\displaystyle\sum\limits_{i=1}^N (X_i-\mu)^2}{N}
\]
标准差
\[
\sigma =\sqrt{\sigma^2}
\]
变异系数
\[
CV=\frac{\sigma}{\mu}
\]
偏差程度
Z-分数
\[
Z_i=\frac{X_i-\mu}{\sigma}
\]
相关程度
协方差
\[
Cov(X,Y)=\frac{\displaystyle\sum\limits_{i=1}^N
(X_i-\bar{X})(Y_i-\bar{Y})}{N}
\]
相关系数
\[
r(X,Y)=\frac{Cov(X,Y)}{\sigma_X\sigma_Y}
\]
具体实现
About ME
👋 读书城南,🤔
在未来面前,我们都是孩子~
� ...
基于矩阵分解实现电影推荐
基于矩阵分解实现电影推荐
About ME
👋 读书城南,🤔
在未来面前,我们都是孩子~
📙
一个热衷于探索学习新方向、新事物的智能产品经理,闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~
👋 Social Media
🛠️ Blog: http://oceaneyes.top
⚡ PM导航: https://pmhub.oceangzy.top
☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/
🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/
📫 Email: 1450136519@qq.com
💬 WeChat: OCEANGZY
💬 公众号: UncleJoker-GZY
👋 加入小组~
👋 感谢打赏~
训练item2vec实现电影推荐
训练item2vec实现电影推荐
About ME
👋 读书城南,🤔
在未来面前,我们都是孩子~
📙
一个热衷于探索学习新方向、新事物的智能产品经理,闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~
👋 Social Media
🛠️ Blog: http://oceaneyes.top
⚡ PM导航: https://pmhub.oceangzy.top
☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/
🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/
📫 Email: 1450136519@qq.com
💬 WeChat: OCEANGZY
💬 公众号: UncleJoker-GZY
👋 加入小组~
👋 感谢打赏~
基于PyTorch实现图像去模糊-学习
基于PyTorch实现图像去模糊-学习
任务描述
相机的抖动、快速运动的物体都会导致拍摄出模糊的图像,景深变化也会使图像进一步模糊。
对于传统方法来说,要想估计出每个像素点对应的 “blur kernel”
几乎是不可行的。因此,传统方法常常需要对模糊源作出假设,将 “blur kernel”
参数化。显然,这类方法不足以解决实际中各种复杂因素引起的图像模糊。
卷积神经网络能够从图像中提取出复杂的特征,从而使得模型能够适应各种场景。
本教程以 CVPR2017 的 《Deep Multi-scale Convolutional Neural Network
for Dynamic Scene Deblurring》 为例,来完成图像去模糊的任务。
方法概述
利用pytorch深度学习工具实现一个端到端的图像去模糊模型,通过参数设置、加载数据、构建模型、训练模型和测试用例依次实现一个图像去模糊工具,在训练和预处理过程中通过可视化监督训练过程。
模型采用了残差形式的CNN,输入和输出都采用高斯金字塔(Gaussian
pyramid)的形式。
整个网络结构由三个相似的CNN构成,分 ...
Bert-TF-2.6修改-自调适配版
Bert-TF-2.6修改-自调适配版
背景
bert开源版适配的为tf1版本,当机器的tf环境为2以上版本时,会出现各种异常。
因此我根据tf的函数库,进行了bert适配tf2.6的修改适配。
代码
run_classifier.py
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import collections
import csv
import os
import modeling
import optimization
import tokenization
import tensorflow as tf
from absl import flags
from absl import app
import pickle
# flags = tf.flags
FLAGS = flags.FLAGS
## Required parameters
flags.DEFINE_string(
&qu ...
基于LSTM+CRF的中文命名实体识别
基于LSTM+CRF的中文命名实体识别
任务描述:命名实体识别是指识别文本中具有特定意义的实体,主要包括人名、地名、机构名、专有名词等。
实现一个简单的命名实体识别方法,该方法通过BiLSTM+CRF模型预测出文本中文字所对应的标签,再根据标签提取出文本中的实体。
从数据文件中加载数据并进行预处理、构建模型、训练模型、评估模型和测试模型。
说明:目前本文档仅作为示例,为了加快训练速度模型较为简单,词向量维度也比较低,因此导致模型准确率较低。
import tensorflow as tf
import numpy as np
import pandas as pd
import tensorflow_addons as tfa
tf 2.0 的新特性:eager execution
可以用tf.executing_eargerly()查看Eager
Execution当前的启动状态,返回True则是开启,False是关闭。
可以用tf.compat.v1.enable_eager_execution()启动eager模式。
关闭eager模式的函数是 tf.compat ...
广告投放中的CTR预估模型
广告投放中的CTR预估模型
import numpy as np
import pandas as pd
import sklearn
from sklearn.model_selection import StratifiedKFold
from sklearn.metrics import roc_auc_score
import gc
import os
import lightgbm as lgb
数据清洗
import numpy as np
import pandas as pd
import sklearn
from sklearn.model_selection import StratifiedKFold
from sklearn.metrics import roc_auc_score
import gc
import os
import lightgbm as lgb
data_path = './datasets/'
train = pd.read_csv(os.path.join(data_path,'train.csv' ...