因?yàn)楣こ檀a的需求，在讀取數(shù)據(jù)的時(shí)候返回的是兩個(gè)獨(dú)立的list型。 有的需要的是獨(dú)立的list型，但是由于第三方庫(kù)的限制，有的數(shù)據(jù)類(lèi)型必須是pandas的Dataframe數(shù)...
發(fā)簡(jiǎn)信
IP屬地：安徽
-
python將兩個(gè)list型轉(zhuǎn)化成pandas的Dataframe數(shù)據(jù)格式
-
-
時(shí)序差分算法(Temporal-Difference Learning)概述 時(shí)序差分算法是一種無(wú)模型的強(qiáng)化學(xué)習(xí)算法。它繼承了動(dòng)態(tài)規(guī)劃(Dynamic Programming)和蒙特卡羅方法(Monte Carlo Methods)的優(yōu)點(diǎn)，從而對(duì)...
-
bootstrapping簡(jiǎn)介蒙特卡洛方法 假設(shè)f(x)是一個(gè)密度函數(shù)精居，F(xiàn)(x)=P(X<x)那么，我們想知道該密度函數(shù)的某一特征 比方說(shuō)我們想知道期望潜必，但是這個(gè)積分在數(shù)學(xué)上計(jì)算比較困難 那么我們對(duì)f(x...
-
微平均micro,宏平均macro計(jì)算方法
前言 F1是我們常用的衡量指標(biāo),不知道有多少同學(xué)和我一樣,對(duì)micro macro一直似懂非懂,于是今天手動(dòng)算了一下,分享給大家~ 相信大家看了就明白了 本文的前提是,讀者已...
-
Mac 下conda命令
anaconda官網(wǎng)下載比較慢靴姿，推薦清華鏡像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ conda 命令不...
-
Transformer 修煉之道（一）、Input EmbeddingAttention is All You Need[https://arxiv.org/pdf/1706.03762.pdf] Date: 2020/06/12 Author...
-
Navicat破解版以及注冊(cè)碼【轉(zhuǎn)】
Navicat破解版以及注冊(cè)碼從以下百度云鏈接獲取Navicat破解版壓縮包https://pan.baidu.com/s/1nvIIOad注冊(cè)碼：NAVN-LNXG-XHH...
-
-
六月份學(xué)習(xí)計(jì)劃
上個(gè)月看知乎的時(shí)候，復(fù)旦大學(xué)邱教授發(fā)布的一個(gè)NLP初學(xué)者入門(mén)項(xiàng)目垂攘，包括NLP四大任務(wù)類(lèi)型：分類(lèi)维雇、序列標(biāo)注、文本匹配晒他、文本生成吱型。https://github.com/Fudan...
-
自然語(yǔ)言處理N天-使用Pytorch實(shí)現(xiàn)Transformer第一節(jié)從今天開(kāi)始，我會(huì)再看一遍T(mén)ransformer（這是第3遍了吧……）陨仅。這次是依據(jù)Transformer 模型的 PyTorch 實(shí)現(xiàn)進(jìn)行學(xué)習(xí)津滞，再梳理一下Transformer...
-
Python操作MongoDB
官方文檔：http://www.mongoing.com/docs/ 文檔 MongoDB是一個(gè)面向文檔的數(shù)據(jù)庫(kù)舉例：{“foo”:3, “greeting”:“Hello,...
-
貝葉斯估計(jì)、最大似然估計(jì)灼伤、最大后驗(yàn)概率估計(jì)文章作者：Tyan博客：noahsnail.com[http://noahsnail.com] | CSDN[http://blog.csdn.net/quincuntial...
-
Flask request獲取參數(shù)問(wèn)題學(xué)習(xí)Flask差不多兩個(gè)月了触徐，說(shuō)起來(lái)主要是為了幫忙做一個(gè)外包。整個(gè)過(guò)程就是不斷調(diào)整需求狐赡，看書(shū)撞鹉，查文檔，實(shí)踐的循環(huán)猾警。參考書(shū)主要是安道翻譯《Flask Web開(kāi)發(fā)：基于P...
-
Kaggle | （一）入門(mén)指南
一孔祸、Kaggle是什么隆敢？ Kaggle成立于2010年发皿，是一個(gè)進(jìn)行數(shù)據(jù)發(fā)掘和預(yù)測(cè)競(jìng)賽的在線(xiàn)平臺(tái)。從公司的角度來(lái)講拂蝎，可以提供一些數(shù)據(jù)穴墅，進(jìn)而提出一個(gè)實(shí)際需要解決的問(wèn)題；從參賽者的...
-
【譯】理解LSTM（通俗易懂版）循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Networks） 人對(duì)一個(gè)問(wèn)題的思考不會(huì)完全從頭開(kāi)始。比如你在閱讀本片文章的時(shí)玄货，你會(huì)根據(jù)之前理解過(guò)的信息來(lái)理解下面看到的文字...
-
關(guān)于Policy Gradient的理解
雖然前段時(shí)間稍微了解過(guò)Policy Gradient皇钞，但后來(lái)發(fā)現(xiàn)自己對(duì)其原理的理解還有諸多模糊之處，于是希望重新梳理一番松捉。Policy Gradient的基礎(chǔ)是強(qiáng)化學(xué)習(xí)理論夹界，...
-
簡(jiǎn)單認(rèn)識(shí)Adam優(yōu)化器基于隨機(jī)梯度下降（SGD）的優(yōu)化算法在科研和工程的很多領(lǐng)域里都是極其核心的。很多理論或工程問(wèn)題都可以轉(zhuǎn)化為對(duì)目標(biāo)函數(shù)進(jìn)行最小化的數(shù)學(xué)問(wèn)題隘世。 按吳恩達(dá)老師所說(shuō)的可柿，梯度下降（Gr...
-
如何選擇優(yōu)化器 optimizer在很多機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的應(yīng)用中，我們發(fā)現(xiàn)用的最多的優(yōu)化器是 Adam丙者，為什么呢复斥？ 下面是 TensorFlow 中的優(yōu)化器，https://www.tensorflow.o...
-
