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型撒顿，但是由于第三方庫的限制，有的數(shù)據(jù)類型必須是pandas的Dataframe數(shù)...
發(fā)簡信
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)突想，從而對...
-
bootstrapping簡介蒙特卡洛方法 假設(shè)f(x)是一個(gè)密度函數(shù)，F(xiàn)(x)=P(X<x)那么究抓，我們想知道該密度函數(shù)的某一特征 比方說我們想知道期望猾担，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，推薦清華鏡像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ conda 命令不...
-
Transformer 修煉之道（一）刺下、Input EmbeddingAttention is All You Need[https://arxiv.org/pdf/1706.03762.pdf] Date: 2020/06/12 Author...
-
Navicat破解版以及注冊碼【轉(zhuǎn)】
Navicat破解版以及注冊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)候橘茉，復(fù)旦大學(xué)邱教授發(fā)布的一個(gè)NLP初學(xué)者入門項(xiàng)目工腋，包括NLP四大任務(wù)類型：分類姨丈、序列標(biāo)注、文本匹配擅腰、文本生成蟋恬。https://github.com/Fudan...
-
自然語言處理N天-使用Pytorch實(shí)現(xiàn)Transformer第一節(jié)從今天開始，我會再看一遍Transformer（這是第3遍了吧……）趁冈。這次是依據(jù)Transformer 模型的 PyTorch 實(shí)現(xiàn)進(jìn)行學(xué)習(xí)筋现，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)庫舉例：{“foo”:3, “greeting”:“Hello,...
-
貝葉斯估計(jì)、最大似然估計(jì)箱歧、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)問題學(xué)習(xí)Flask差不多兩個(gè)月了矾飞，說起來主要是為了幫忙做一個(gè)外包。整個(gè)過程就是不斷調(diào)整需求呀邢，看書洒沦，查文檔，實(shí)踐的循環(huán)价淌。參考書主要是安道翻譯《Flask Web開發(fā)：基于P...
-
Kaggle | （一）入門指南
一申眼、Kaggle是什么？ Kaggle成立于2010年蝉衣，是一個(gè)進(jìn)行數(shù)據(jù)發(fā)掘和預(yù)測競賽的在線平臺括尸。從公司的角度來講，可以提供一些數(shù)據(jù)病毡，進(jìn)而提出一個(gè)實(shí)際需要解決的問題濒翻；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） 人對一個(gè)問題的思考不會完全從頭開始。比如你在閱讀本片文章的時(shí)啦膜，你會根據(jù)之前理解過的信息來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Policy Gradient有送，但后來發(fā)現(xiàn)自己對其原理的理解還有諸多模糊之處，于是希望重新梳理一番僧家。Policy Gradient的基礎(chǔ)是強(qiáng)化學(xué)習(xí)理論雀摘，...
-
簡單認(rèn)識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。很多理論或工程問題都可以轉(zhuǎn)化為對目標(biāo)函數(shù)進(jìn)行最小化的數(shù)學(xué)問題八拱。 按吳恩達(dá)老師所說的阵赠，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肌稻，為什么呢清蚀？ 下面是 TensorFlow 中的優(yōu)化器，https://www.tensorflow.o...
-
