Vagrant学习进阶第13页

机器学习进阶：决策树与随机森林

1信息熵1.1信息熵事件越不确定熵越大，越确定熵越小，如果熵为0，表示这件事情一定发生，就好比你说了一句废话1.2条件熵H(Y|X)=H(X,Y)-H(X)，在X发生的前提下，Y发生新带来的熵1.3相对熵、互信息我们的目标函数可以是极大似然估计求最大值，也可以是交叉熵求最小值2决策树学习算法建决策树就是建立一个熵不断降低的树2.1三种决策树学习算法2.2决策树的过拟合2.2.1、剪枝1、预剪枝2、

不会产品的码农不是好的运营·2022-11-30 02:46

机器学习进阶（5）：决策树的一些Tips

Y_蒋林志·2022-11-30 02:15

机器学习进阶（8）：XGboost代码案例（DMatrix）和一些数据预处理的技巧

前言讲XGboost的代码案例并结合Kaggle上的Titanic数据总结一点数据预处理的技巧。案例1简单使用xgboost做分类，了解一些特性。importxgboostasxgbimportnumpyasnp#1、xgBoost的基本使用#2、自定义损失函数的梯度和二阶导#3、binary:logistic/logitraw#定义f:theta*x#类似于定义了逻辑回归deflog_reg(y

Y_蒋林志·2022-11-28 18:39

kaggle心脏病监测分析案例(数据分析+数据可视化）适合入门新手

心脏病监测分析数据来源：kaggle数据获取方式：关注公众号：YOLO的学习进阶日常回复：心脏病为什么想做这个分析案例？

叶faner～·2022-11-26 19:08

Hive——Hive常用内置函数总结

✅作者简介：最近接触到大数据方向的程序员，刚入行的小白一枚作者博客主页：皮皮皮皮皮皮皮卡乒的博客当前专栏：Hive学习进阶之旅研究方向：大数据方向，数据汇聚，数据治理上一篇博文：Hive——详细总结Hive

皮皮皮皮皮皮皮卡乒·2022-11-26 09:32

使用keras里面的lstm进行时间序列预测_【重温序列模型】再回首DeepLearning遇见了LSTM和GRU...

由于之前学习的时候，没有深入到具体细节的研究，所以导致现在复现一些网络或者学习深度学习进阶知识的时候会

weixin_39814378·2022-11-25 22:42

《深度学习进阶自然语言处理》学习笔记（3）Attention

前篇链接link目录第八章AttentionAttention结构seq2seq的改进——h到hsseq2seq的改进——解码器层结构调整Attention层的引入Attention的结构WeightSum层AttentionWeight层解码器总的网络架构将Attention计算出的权重可视化，观察对应关系总结第八章Attention上一章我们使用RNN生成了文本，又通过连接两个RNN，将一个时

Lewis_Sean·2022-11-24 00:37

《深度学习进阶自然语言处理》第八章：Attention介绍

文章目录8.1Attention结构8.1.1seq2seq存在的问题8.1.2编码器的改进8.1.3解码器的改进8.2Attention的应用8.3总结之前文章链接：开篇介绍：《深度学习进阶自然语言处理

【文言】·2022-11-24 00:29

前端工程师需要掌握哪些知识？

1、能熟练使用HTML、CSS、Javascript，主要工作还是搭建静态页面；2、学习Bootstrap、jQuery之类，以及AJAX技术；3、学习进阶框架Angular、Vue、React等。

很酷的站长·2022-11-23 17:42

NLP (四): seq2seq (RNN, Attention), NTM (神经图灵机)

本文为《深度学习进阶:自然语言处理》的读书笔记目录seq2seq模型Encoder-Decoder模型seq2seq的应用RNNbasedseq2seqseq2seqEncoderDecoderseq2seq

连理o·2022-11-22 20:18

《深度学习进阶自然语言处理》第六章：LSTM介绍

文章目录6.1RNN的问题6.1.1RNN的复习6.1.2梯度消失和梯度爆炸6.1.4梯度爆炸的对策6.2梯度消失和LSTM6.2.1LSTM的接口6.2.2LSTM层的结构6.2.3输出门6.2.4遗忘门6.2.5新的记忆单元6.2.6输入门6.2.7LSTM的梯度的流动6.3使用LSTM的语言模型6.3.1LSTM层的多层化6.3.2基于Dropout抑制过拟合6.3.3权重共享6.4总结之前

【文言】·2022-11-22 20:47

《深度学习进阶自然语言处理》第七章：seq2seq介绍

时序数据转换简单举例7.2seq2seq模型实现7.3seq2seq模型改进7.3.1反转输入数据(Reverse)7.3.2偷窥(Peeky)7.4seq2seq模型的应用7.5总结之前文章链接：开篇介绍：《深度学习进阶自然语言处理

【文言】·2022-11-22 20:31

机器学习进阶之时域/时间卷积网络 TCN 概念+由来+原理+代码实现

TCN从“阿巴阿巴”到“巴拉巴拉”TCN的概念（干嘛来的！能解决什么问题）TCN的父母（由来）TCN的原理介绍上代码！1、TCN（时域卷积网络、时间卷积网络）是干嘛的，能干嘛主要应用方向：时序预测、概率预测、时间预测、交通预测2、TCN的由来ps：在了解TCN之前需要先对CNN和RNN有一定的了解。处理问题：是一种能够处理时间序列数据的网络结构，在特定条件下，效果优于传统的神经网络（RNN、CNN

un_lock·2022-11-22 13:26

[深度学习]Part1 Python学习进阶Ch24图像处理OpenCV（24.1~24.13）——【DeepBlue学习笔记】

本文仅供学习使用Python高级——Ch24图像处理OpenCV（24.1~24.13）24.图像处理OpenCV24.1图像读取、显示、保存24.1.1图像的基本操作24.1.2摄像头/视频读取、写入24.1.3简单实例应用24.2常用数据结构与颜色空间24.2.1OpenCV常用数据结构24.2.2图像基础24.2.3基本绘图函数24.2.4访问图像像素24.2.5对比度亮度调整与通道分离合并

LiongLoure·2022-11-19 12:46

《深度学习进阶自然语言处理》第四章：Embedding层和负采样介绍

文章目录4.1word2vec的改进一4.1.1Embedding层4.2word2vec的改进二4.2.1中间层之后的计算问题4.2.2从多分类到二分类4.2.3负采样总结之前文章链接：开篇介绍：《深度学习进阶自然语言处理

【文言】·2022-11-19 04:11

【新手入门】课程10-深度学习进阶NLP-机器翻译

任务介绍机器翻译：即用计算机实现从源语言到目标语言转换的过程，是自然语言处理的重要研究领域之一。源语言：被翻译的语言目标语言：翻译后的结果语言数据集介绍数据集：WMT-14数据集该数据集有193319条训练数据，6003条测试数据，词典长度为30000。Paddle接口paddle.dataset.wmt14中默认提供了一个经过预处理的较小规模的数据集。数据预处理：将每个源语言到目标语言的平行语料

dadliao·2022-11-19 04:54

《深度学习进阶自然语言处理》第五章：RNN通俗介绍

文章目录5.1概率和语言模型5.1.1概率视角下的word2vec5.1.2语言模型5.1.3将CBOW模型用作语言模型的效果怎么样？5.2RNN5.2.1循环神经网络5.2.2展开循环5.2.3BackpropagationThroughTime5.2.4TruncatedBPTT5.2.5TruncatedBPTT的mini-batch学习5.3RNN的实现5.4RNNLM的学习与评价5.4.

【文言】·2022-11-19 04:17

【深度学习进阶】01目标检测理论：R-CNN、Fast R-CNN、Faster R-CNN系列以及FPN结构

参考来源：太阳花的小绿豆的博客_CSDN博客-深度学习,软件安装,Tensorflow领域博主目录1.目标检测任务简介2.R-CNN网络（2014年）2.1算法流程及存在问题2.2候选区生成2.3深度网络提取特征2.4SVM分类器2.5回归器修正候选框位置3.FastR-CNN网络（2015年）3.1算法流程及存在问题3.2网络训练数据集设置3.3ROIPooling层3.4分类器以及边界框回归器

TianleiShi·2022-11-19 03:59

Hive——详细总结Hive中各大查询语法

✅作者简介：最近接触到大数据方向的程序员，刚入行的小白一枚作者博客主页：皮皮皮皮皮皮皮卡乒的博客当前专栏：Hive学习进阶之旅研究方向：大数据方向，数据汇聚，数据治理上一篇博文：数据导入和数据导出文章目录

皮皮皮皮皮皮皮卡乒·2022-11-18 09:16

机器学习极简入门笔记-4-有监督学习进阶-HMM

目录15.1基本概念概率模型生成模型与判别模型概率图模型马尔可夫链，马尔可夫随机场和CRF15.2数学中的HMMHMM的两个基本假设15.3HMM的三个基本问题概率计算问题预测问题学习问题15.4HMM3个基本问题的计算概率计算问题预测问题学习问题15.6HMM实例15.1基本概念概率模型所谓概率模型(probabilisticmodel)，顾名思义，就是将学习任务归结于计算变量概率分布的模型。概

南鸢北折·2022-11-15 09:29

机器学习极简入门笔记-3-有监督学习进阶-SVM、SVR数学原理

目录第12章SVM12.1线性可分SVM12.2直观理解拉格朗日乘子法和KKT条件12.3对偶学习算法12.3.1对偶问题12.3.2强对偶性12.4求解线性可分SVM的目标函数12.4.1线性可分SVM的主问题12.4.2使用对偶算法求解线性可分SVM的步骤12.5线性SVM，间隔由硬到软12.5.1线性SVM的主问题12.6.3线性SVM的支持向量12.6非线性SVM和核函数12.6.1非线性

南鸢北折·2022-11-15 09:51

机器学习极简入门笔记-3-有监督学习进阶-SVM、SVR直观理解

目录14.1SVM实例14.1.1线性可分SVM14.1.2线性SVM14.1.3完全线性不可分的数据14.2SVR实例14.1SVM实例14.1.1线性可分SVMimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.svmimportSVC#"Supportvectorclassifier"#定义函数plot_svc_decision_fu

南鸢北折·2022-11-15 09:20

机器学习进阶之概率论（１）

机器学习的主体知识是概率论及优化理论，那么最近通过学堂在线清华大学概率论与数理统计知识，重新学习、巩固概率论基础，为后续进阶学习打下基础，此文对学习的重点知识进行记录和总结：一、独立与互不相容的概念区分1、两两独立和互不相容的概念：２、那么三个事件相互独立必须两两独立，且P(ABC)=P(A)P(B)P©，可以用下面例子充分说明３、事件独立和不相容（互斥的概念区分实例）

Zero_to_zero1234·2022-11-12 05:25

深度学习进阶：自然语言处理入门：第4章 word2vec的高速化

第4章word2vec的高速化第4章word2vec的高速化4.1word2vec的改进①4.1.1 Embedding层4.1.2 Embedding层的实现函数4.2word2vec的改进②4.2.1 中间层之后的计算问题4.2.2 从多分类到二分类4.2.3 sigmoid函数和交叉熵误差4.2.4 多分类到二分类的实现函数4.2.5 负采样4.2.6 负采样的采样方法函数简单实现4.2.7

xiao52x·2022-11-10 10:39

深度学习进阶：自然语言处理入门：第2章自然语言和单词的分布式表示

深度学习进阶：自然语言处理入门第2章自然语言和单词的分布式表示2.1什么是自然语言处理单词含义2.2同义词词典2.2.1 WordNet2.2.2 同义词词典的问题2.3基于计数的方法（*）2.3.1

xiao52x·2022-11-10 10:38

python深度学习进阶（自然语言处理）—word2vec

python深度学习进阶（自然语言处理）—word2vec摘要基于推理的方法以预测为目标，同时获得了作为副产物的单词的分布式表示。word2vec是基于推理的方法，由简单的2层神经网络构成。

诗雨时·2022-11-10 10:37

《深度学习进阶自然语言处理》学习笔记（2）

前篇链接link目录第五章RNN语言模型RNN模型模型架构一个典型RNN单元的计算图损失函数的设置评价指标总结第六章GatedRNN上一章RNN存在的问题梯度爆炸与梯度消失LSTM一个LSTM单元的结构记忆单元c_t的引入3个门：遗忘门、输入门、输出门计算图LSTM的网络架构改进总结第七章基于RNN生成文本seq2seq原理改进ReversePeeky自动图像描述总结第五章RNN前面介绍的word

Lewis_Sean·2022-11-10 10:05

【DL学习笔记10】《深度学习进阶——自然语言处理》——ch03: word2vec

目录1.基于推理的方法和神经网络神经网络中单词的处理方法2.简单的word2vecCBOW模型的推理与学习3.学习数据的准备上下文和目标词转化为one-hot表示数据预处理总结4.CBOW模型的实现5.word2vec的补充说明CBOW模型和概率skip-gram模型两个模型的区别分析基于计数与基于推理总结上章中，我们使用基于计数的方法得到单词的分布式表示，本章我们将讨论基于推理的方法，推理机制用

yierrrr·2022-11-10 10:34

《深度学习进阶自然语言处理》第三章：word2vec

文章目录3.1基于推理的方法3.1.1基于计数的方法的问题3.1.2基于推理的方法的概要3.1.3神经网路中单词的处理方法3.2简单的word2vec3.2.1CBOW模型的推理3.2.2CBOW模型的学习3.2.3word2vec的权重和分布式表示3.3word2vec的补充说明3.3.1CBOW模型和概率3.3.2skip-gram模型3.3.3基于计数和基于推理3.4小结之前文章链接：开篇介

【文言】·2022-11-10 10:00

vagrant网络模式

vagrant网络模式参考网址:https://blog.csdn.net/xsgnzb/article/details/50310957?

不会打字314·2022-11-10 09:46

【深度学习进阶-自然语言处理】第一章：神经网络的复习

本章复习了神经网络的基础知识，“从零开始搭建”一个神经网络模型对一个简单数据集进行神经网络的学习。1.数据集先看一下数据集：该数据一共300行，x是输入数据，t是标签，是一个三维的one-hot向量。#读入数据importsyssys.path.append("..")fromdatasetimportspiralx,t=spiral.load_data()print('x',x.shape)#x

偷熊的小糖·2022-11-08 10:07

深度学习进阶：自然语言处理入门：第3章 word2vec

深度学习进阶：自然语言处理入门第3章word2vec3.1基于推理的方法和神经网络3.1.1 基于计数的方法的问题3.1.2 基于推理的方法的概要3.1.3 神经网络中单词的处理方法3.2简单的word2vec3.2.1

xiao52x·2022-11-08 10:37

《深度学习进阶：自然语言处理》第一章学习（第一部分）

前言这本书有个我非常喜欢的地方就是他非常注重原理部分，而不是去借助框架实现，这种书真的要去细细阅读而不是快速的阅读完，那没有效果，一共8章，一天一章，这期间要穿插去做项目，这里的话，我就先不要paddle框架去实现了，先用代码去实现之后再去用框架，上本书什么时候我可以在去读一下，是真的好用，然后的话，我必须注重基础呀，那么开始吧！很喜欢的一句话：技术已经进步到了可以轻松进行复制的时代。当下是一个可

神佑我调参侠·2022-11-08 10:37

深度学习进阶：自然语言处理入门:第1章神经网络的复习

深度学习进阶：自然语言处理入门第1章神经网络的复习1.1数学和Python的复习1.1.1 向量和矩阵1.1.2 矩阵的对应元素的运算1.1.3 广播1.1.4 向量内积和矩阵乘积1.1.5 矩阵的形状检查

xiao52x·2022-11-08 10:36

《深度学习进阶自然语言处理》学习笔记（1）

目录前言第一章神经网络的复习第二章自然语言和单词的分布式表示预处理背景基于计数的方法共现矩阵（co-occurencematrix）基于计数的方法的改进点互信息降维PTB数据集第三章word2vec基于推理的方法的概要CBOW模型skip-gram模型第四章word2vec的高速化总结前言这本书结合代码（可从官网免费下载：源代码地址），深入浅出、逐层深入地讲解了NLP中的word2vec、RNN、

Lewis_Sean·2022-11-08 09:35

《深度学习进阶自然语言处理》第一章：神经网络的复习

第一章：神经网络的复习关于本书第一章内容，主要是对《深度学习入门：基于Python的理论与实现》一书的精炼性概括。如果你是刚入门且没有看过这本书的新同学，强烈建议阅读一遍，以下是之前整理这本书的链接，供君参考：开篇介绍：《深度学习入门-基于Python的理论与实现》书籍介绍第一章：《深度学习入门-基于Python的理论与实现》第一章带读第二章：《深度学习入门-基于Python的理论与实现》第二章带

【文言】·2022-11-08 09:04

4、Spring cloud 注册中心之Eureka

今天我们开始正式编码，如何创建springboot项目这篇文章就不再讲述，如果想要了解可以阅读我之前的文章springboot学习进阶(一)----创建springboot项目_麻侬的博客-CSDN博客

麻侬·2022-11-01 18:35

Python实现股票量化交易学习进阶(一)之基础库(知识准备)搭建

股票量化交易学习第一篇之基础搭建1、写在前面1.1、Numpy库的安装1.2、Pandas库的安装1.3、金融数据获取1.4、talib金融库的安装及文档链接1.5、Matplotlib库安装及文档链接1.6、mplfinance库安装及文档链接1.7、backtrader回测框架1.8、scikit-learn(sklearn)机器学习模块2、股票技术指标分析2.1、均线分析2.1.1、获取当前

在路上奔跑~·2022-10-20 22:57

Win10无法连接vagrant创建Linux环境解决办法

想起来之前尚硅谷的课程里提到过vagrant，遂回头搜了一把。依顺序安装了OracleVMVirtualBox、vagrant。

ChaosLong·2022-10-19 09:17

12.集成学习进阶一——xgboost

xgboost算法XGBoost（ExtremeGradientBoosting）全名叫极端梯度提升树，XGBoost是集成学习⽅法的王牌，在Kaggle数据挖掘⽐赛中，⼤部分获胜者⽤了XGBoost。最优模型的构建⽅法XGBoost的⽬标函数推导⽬标函数确定CART树的介绍树的复杂度定义定义每课树的复杂度树的复杂度例子⽬标函数推导XGBoost的回归树构建⽅法计算分裂节点停⽌分裂条件判断XGBo

C--G·2022-10-13 07:16

【DL学习笔记12】《深度学习进阶——自然语言处理》—— ch05: RNN

目录1.概率和语言模型概率视角下的word2vec语言模型将CBOW模型用作语言模型？2.RNN循环的神经网络展开循环BackpropagationThroughTimeTruncatedBPTTTruncatedBPTT的mini-batch学习3.RNN的实现RNN层的实现TimeRNN层的实现4.处理时序数据的层的实现RNNLM的全貌图Time层的实现5.RNNLM的学习和评价语言模型的评价

yierrrr·2022-10-08 07:37

开发环境的转变：从 vagrant 到 docker

开发环境、生产环境：开发环境：就是程序猿在自己的电脑上写代码，并测试生产环境：赚钱用的环境就是生产环境老旧的模式、新模式：老模式，就是虚拟机新模式，就是容器在远古时期，程序猿在自己的电脑上，使用vagrant

·2022-09-24 14:51

MATLAB&机器学习进阶

本文借鉴了数学建模清风老师的课件与思路，可以点击查看链接查看清风老师视频讲解：清风数学建模：https://www.bilibili.com/video/BV1DW411s7wi目录一、K最近邻（KNN）二、决策树三、支持向量机四、集成学习五、实时脚本的介绍六、导入数据并生成脚本七、导出模型并进行预测八、导出代码并进行预测九、决策树的预测和可视化十、交叉验证的测试集和随机数种子十一、多分类问题的F

Wolves_YY·2022-09-23 09:13

k8s集群搭建 + KubeSphere (2021)PS:无坑操作,复制粘贴

k8s集群搭建+KubeSphere(2021)PS:无坑操作,复制粘贴k8s集群搭建相关操作(2021)-------工具Vagrant+VBox+Xshell宿主机:Win10虚拟机:Centos7

咖啡不加糖`·2022-09-16 20:12

为什么有些人养花卉绿植容易死？请艾特你身边的养花杀手来看

绿植养护技巧大多数朋友都是从养花小白一步步学习进阶到养花能手的，但很多朋友表示自己经常出差，没时间去仔细照看盆栽，还有些朋友表示自己命中带火，一养植物就容易养死，总之由于各种各样的原因，这些朋友养的花草总是

华苗木云·2022-09-16 09:42

Java学习路线图分享（含项目+面试提升）最全整理

我本人是计算机科班出身，现在工作三年之后也仍然没有放弃学习，经常在B站上看一些学习教程来温故知新，看的比较多的就是黑马程序员的课程了，下面整理的也有一些是黑马的课程，大家也可以根据自己的学习整理一些常用的资源库来学习进阶呀

夏天的葡萄·2022-09-16 08:37

数仓学习（一）环境搭建

文章目录1.环境安装1.1准备三台虚拟机，分别是hadoop102、hadoop103、hadoop1041.1.1vagrant虚拟机配置1.1.2虚拟机安装1.2修改root用户密码1.3修改host

奔向大数据的凡小王·2022-09-07 20:00

《深度学习进阶：自然语言处理》读书笔记：第8章 Attention

第8章Attention使用Attention，seq2seq能像我们人一样将注意力集中在必要的信息上。换言之，借助Attention，我们理解了模型时如何工作的。我们没有办法理解神经网络内部进行了什么工作（基于何种逻辑工作），而Attention赋予了模型“人类可以理解的结构和意义”。所谓残差连接，就是指“跨层连接”。此时，在残差连接的连接处，有两个输出被相加。因为加法在反向传播时“按原样”传播

feiwen110·2022-08-30 07:00

机器学习进阶-图像梯度计算-scharr算子与laplacian算子(拉普拉斯) 1.cv2.Scharr(使用scharr算子进行计算) 2.cv2.laplician(使用拉普拉斯算子进行计算...

1.cv2.Scharr(src，ddepth,dx,dy)，使用Scharr算子进行计算参数说明：src表示输入的图片，ddepth表示图片的深度，通常使用-1，这里使用cv2.CV_64F允许结果是负值，dx表示x轴方向算子，dy表示y轴方向算子2.cv2.laplacian(src，ddepth)使用拉普拉斯算子进行计算参数说明:src表示输入的图片，ddepth表示图片的深度，这里使用cv

weixin_33884611·2022-08-25 20:10

《深度学习进阶：自然语言处理》读书笔记：第3章 word2vec

第3章word2vec3.1基于推理的方法和神经网络用向量表示单词的研究最近正在如火如荼地展开，其中比较成功的方法大致可以分为两种：一种是基于计数的方法；另一种是基于推理的方法。虽然两者在获得单词含义的方法上差别很大，但是两者的背景都是分布式假设。3.1.1基于计数的方法的问题基于推理的方法使用神经网络，通常在mini-batch数据上进行学习。这意味着神经网络一次只需要看一部分学习数据，并反复更

feiwen110·2022-08-24 09:28

推荐频道

Vagrant学习进阶