np
-
AdaBoost:自适应提升算法的原理及其实现
AdaBoost:通过改变训练样本权重来学习多个弱分类器并线性组合成强分类器的Boosting算法。 Boosting方法要解答的两个关键问题:一是在训练过程中如何改变训练样本的权…
-
动手实现深度学习(4): 神经网络的backward实现
传送门: https://www.cnblogs.com/greentomlee/p/12314064.html github: https://github.com/Leezhe…
-
动手实现深度学习(7):基于计算图的Affine层的实现
传送门: https://www.cnblogs.com/greentomlee/p/12314064.html github: Leezhen2014: https://gith…
-
python操作Excel的5种常用方式
Python对Excel的读写主要有xlrd、xlwt、xlutils、openpyxl、xlsxwriter几种。 1.xlrd主要是用来读取excel文件 import xlr…
-
使用 NumPy 进行数据处理——数据科学第 185 天
使用 NumPy 进行数据预处理——数据科学第 185 天 Source: https://numpy.org/ 上次,我们查看了安装 NumPy 包并探索了使用 NumPy 的数…
-
基于python的数学建模—蒙特卡洛算法
import math import random m = input(‘请输入一个较大的整数’) n = 0 for i in range(int(m)): x = ra…
-
Python:对于“axis=0和axis=1”的理解
1、结论: rows axis=0:按 列 计算,结果沿着 行(rows) 的方向→ cols axis=1:按 行 计算,结果沿着 列(cols) 的方向↓ 2、代码…
-
深度学习入门——基于Python的理论与实现 读书笔记
深度学习入门——基于Python的理论与实现 第一章 python入门 1.5.1 广播 import numpy as np # 广播 A = np.array([[1, 2],…
-
深度学习入门——基于Python的理论与实现 读书笔记
深度学习入门——基于Python的理论与实现 第一章 python入门 1.5.1 广播 import numpy as np # 广播 A = np.array([[1, 2],…
-
深度学习入门——基于Python的理论与实现 读书笔记
深度学习入门——基于Python的理论与实现 第一章 python入门 1.5.1 广播 import numpy as np # 广播 A = np.array([[1, 2],…