Opencv是處理計(jì)算機(jī)視覺任務(wù)中最常用的工具包，它的底層是采用C++語言編寫的，同時(shí)提供python接口。這樣既實(shí)現(xiàn)了運(yùn)算效率高的特性，也實(shí)現(xiàn)了應(yīng)用簡單的特性。 這一小結(jié)，...
發(fā)簡信
IP屬地：青海
-
圖像數(shù)據(jù)處理
-
詞向量構(gòu)造 - Tf-idf模型
前面我們總結(jié)過詞袋模型，詞袋模型將文本中所有不重復(fù)的詞看作一個(gè)集合，然后對文本中的每句話進(jìn)行編碼。在句子中對于出現(xiàn)的詞標(biāo)記為1，未出現(xiàn)的詞標(biāo)記為0。這樣我們就完成了對文本向量...
-
詞向量構(gòu)造 - 詞袋模型
對于機(jī)器學(xué)習(xí)任務(wù)而言，不管是什么類型的數(shù)據(jù)（語言，聲音，圖像，視頻），都必須轉(zhuǎn)化為數(shù)值型數(shù)據(jù)，一般均為向量或者矩陣。自然語言處理，經(jīng)過了一個(gè)長期的發(fā)展過程，近幾年取得了重大的...
-
漢語詞頻統(tǒng)計(jì)
該案例以黨的十九大報(bào)告為例，統(tǒng)計(jì)報(bào)告中各個(gè)詞語出現(xiàn)的頻率。總體步驟為讀入文本，分詞，詞頻統(tǒng)計(jì)。通過觀察詞語頻率最高的幾個(gè)詞，我們就可以大致了解這份報(bào)告的主要內(nèi)容。 漢語中常見...
-
英文詞頻統(tǒng)計(jì)
該案例以莎士比亞的四大悲劇之一《哈姆雷特》為例，來統(tǒng)計(jì)該文章中的詞語出現(xiàn)的頻率。總體的步驟為讀入文本，大小寫轉(zhuǎn)換，特殊字符轉(zhuǎn)換，分詞，詞頻統(tǒng)計(jì)，排序。通過觀察詞語頻率最高的幾...
-
第一節(jié)：Jieba分詞
在我們的日常工作與學(xué)習(xí)當(dāng)中，最常用的兩種語言就是漢語和英語了。在做文本分析的時(shí)候，第一步都是分詞。在英語文章中，每個(gè)詞都是天然的用空格分開的，所以我們就不討論英語的分詞了。在...
-
員工離職預(yù)測
1.項(xiàng)目目標(biāo) 在任何一家企業(yè)里，員工隊(duì)伍的穩(wěn)定性對于企業(yè)的發(fā)展都非常的重要。所以通過模型預(yù)測員工離職的價(jià)值就日益凸顯出來了，該模型可以大大地提高HR部門的工作效率，同時(shí)也可以...
-
自然語言處理概述（Natural Language Process）近年來，人工智能逐漸成為了當(dāng)前社會最熱門的行業(yè)之一，也逐漸的進(jìn)入了尋常百姓家。比如我們熟知的AlphaGo擊敗韓國圍棋冠軍李世石，小米的語音助手小愛同學(xué)，英國的智能機(jī)器人So...
-
科比職業(yè)生涯數(shù)據(jù)集分析1.項(xiàng)目目標(biāo) 通過分析科比職業(yè)生涯比賽的相關(guān)數(shù)據(jù)，掌握Numpy, Pandas, Matplotlib, Seaborn等常用數(shù)據(jù)分析庫的用法，掌握常規(guī)的數(shù)據(jù)預(yù)處理的方法以...
-
Titanic沉船數(shù)據(jù)集之獲救乘客預(yù)測項(xiàng)目目標(biāo)： Titanic數(shù)據(jù)集是我們進(jìn)入到機(jī)器學(xué)習(xí)領(lǐng)域中的第一個(gè)數(shù)據(jù)集，同我們學(xué)習(xí)編程的第一句程序語言（‘hello,world’）是一樣的。通過對該數(shù)據(jù)集進(jìn)行機(jī)器學(xué)習(xí)建模...
-
你好，在Tableau中可以使用地圖來展示一些數(shù)據(jù)信息，如某一城市的人口，GDP，疫情感染人數(shù)等或者某一家公司在某一地區(qū)的銷售額和門店數(shù)量等信息。
常用數(shù)據(jù)可視化工具簡介
當(dāng)我們做數(shù)據(jù)分析或數(shù)據(jù)挖掘的時(shí)候，常常需要對數(shù)據(jù)的分析過程和結(jié)果做可視化展示。數(shù)據(jù)可視化可以更加清晰地向聽眾傳達(dá)想要表達(dá)的信息，同時(shí)也降低了大家理解數(shù)據(jù)的門檻。Python和...
-
常用數(shù)據(jù)可視化工具簡介當(dāng)我們做數(shù)據(jù)分析或數(shù)據(jù)挖掘的時(shí)候，常常需要對數(shù)據(jù)的分析過程和結(jié)果做可視化展示。數(shù)據(jù)可視化可以更加清晰地向聽眾傳達(dá)想要表達(dá)的信息，同時(shí)也降低了大家理解數(shù)據(jù)的門檻。Python和...
-
多分類算法的評估指標(biāo)在以往的分類問題求解當(dāng)中，我們遇到的問題多為二分類問題，我們常用的評估指標(biāo)有accuracy, precision, recall_score, f1-score, roc_...
-
回歸算法的評估指標(biāo)回歸問題是機(jī)器學(xué)習(xí)要解決的四大問題之一，在我們的生活中也存在著很多回歸問題。比如某一地區(qū)的房價(jià)預(yù)測，某一個(gè)學(xué)生高考成績的預(yù)測，某一地區(qū)感染病毒人數(shù)的預(yù)測，某一公司2020年?duì)I...
-
-
-
英文文本詞云（Wordcloud）繪制在數(shù)據(jù)的探索性分析過程中，對于數(shù)值型數(shù)據(jù)集，我們可以使用pd.info()，pd.describe()來對數(shù)據(jù)做一些統(tǒng)計(jì)匯總，使我們對數(shù)據(jù)有一個(gè)初步的整體認(rèn)識。我們也可以對其...
-
@京翎 其實(shí)是這樣的，在機(jī)器學(xué)習(xí)任務(wù)中，我們首先會將原始數(shù)據(jù)按照一定的比例分為測試集和訓(xùn)練集，訓(xùn)練集對我們來說非常珍貴，在最終模型未確定之前，我們是不會拿訓(xùn)練集去做評估的。避免在調(diào)參的過程中，反復(fù)使用訓(xùn)練集，造成模型已經(jīng)熟悉訓(xùn)練集的情況。我們在做交叉驗(yàn)證的時(shí)候，是將訓(xùn)練集分成了兩部分，訓(xùn)練集和驗(yàn)證集。用訓(xùn)練集訓(xùn)練模型，用驗(yàn)證集來評價(jià)模型。當(dāng)驗(yàn)證集的評價(jià)效果達(dá)到我們的要求了，我們再使用訓(xùn)練好的模型在測試集上做分類或回歸任務(wù)。
機(jī)器學(xué)習(xí)算法之交叉驗(yàn)證
我們一般解決機(jī)器學(xué)習(xí)問題的步驟如下：1.拿到數(shù)據(jù)集，對數(shù)據(jù)集進(jìn)行清洗。數(shù)據(jù)集清洗一般包括以下幾個(gè)方面：重復(fù)值處理，缺失值處理，字符型數(shù)值處理（因?yàn)閟klearn機(jī)器學(xué)習(xí)算法只...