necther的博客_python,大数据,Spark,对事物的理解,深度学习,大数据_51CTO博客

网站标签

necther的博客、 python、 大数据、 Spark、 对事物的理解、 深度学习、 大数据、 技术博客、 51CTO博客、

---

网站描述

necther的博客，python,大数据,Spark,对事物的理解,深度学习,大数据it技术文章。

---

上一篇：环氧工业|平涂|水性|自流平|停车场耐磨地坪-环氧防静电防腐地坪漆厂家-云之景建筑工程有限公司

下一篇：吉安大禾工业机械制造有限公司

seo综合信息

SEO信息	百度来访IP：47,576 ~ 65,180 | 移动端来访IP：33,130 ~ 39,751 | 出站链接：0 | 站内链接：347
IP网速：	IP地址：203.107.44.140 地址：广东省 深圳市 阿里云 数据中心 | 网速：623毫秒
ALEXA排名	世界排名：194 | 预估IP：1680000 | 预估PV：2856000
备案信息	京ICP备09067568号-5 | 名称：北京无忧创想信息技术有限公司 | 已创建：18年6月3日

收录	百度	360	搜狗	谷歌
查询	100,000,000	9,740,000	168177658	-

电脑关键词	手机关键词	页面友好	首页位置	索引	近期收录
33,093	28,838	电脑端优秀	1	-	976

服务器信息 协议类型 HTTP/1.1 200 OK 页面类型 text/html; charset=UTF-8 服务器类型 nginx 程序支持 连接标识 消息发送 2023年9月4日 10时42分59秒 GZIP检测 已启用GZIP压缩 源文件大小 163.59KB 压缩后大小 45.80KB 压缩率 72.00%

网站快照

necther的博客_python,大数据,Spark,对事物的理解,深度学习,大数据_51CTO博客51CTO首页内容精选博客学堂精培企业培训CTO训练营智能汽车开源基础软件社区WOT全球技术创新大会公众号矩阵移动端短视频免费课程课程排行直播课软考学堂精品班厂商认证IT技术2023年软考PMP项目管理在线学习企业服务CTO训练营技术经理研习营LeaTech峰会文章资源问答开源课堂专栏直播51CTO开源基础软件社区51CTO技术栈51CTO官微51CTO学堂51CTO博客CTO训练营开源基础软件社区订阅号51CTO学堂APP51CTO学堂企业版APP开源基础软件社区视频号51CTO博客首页关注排行榜订阅专栏搜索历史清空热门搜索查看【】的结果写文章创作中心登录注册朝闻道动态博客分类订阅/关注每日签到意见反馈necther武汉擅长机器学习，欢迎技术交流164.9万人气103原创45粉丝80.3万阅读数私信关注于2012-12-19加入51CTO10.8年感兴趣的领域#python#大数据#Spark近期文章同志们我搬家了2021年1篇2019年2篇2018年100篇2017年31篇七日热门全部文章pythonforinpythonforinifpythonforinpython矩阵开发语言数据python小技巧pythonpythonpython小技巧python开发语言pip青少年编程【Python】Python包①(Python包引入|Python包概念|Python包结构|创建Python包|导入Python包)python开发语言Python包Python包结构PythonNoPythonat\'D:\\python\\python3.9.0\\python.exePythonpython环境变量NoPythonat‘E:\\Python\\python.exe’python编译器新版本版本更新Ta的分类加载更多近期来访jasonzhouglwx5aaba00b7dd9c51CTO博客运营-可可wx62d5536a37ea7前方一片光明按发布时间按阅读量时间轴全部134篇2021年1篇10月1篇2019年2篇04月2篇2018年100篇12月6篇11月1篇10月4篇09月2篇08月15篇07月12篇06月9篇05月16篇04月25篇03月10篇2017年31篇12月9篇11月3篇03月14篇02月5篇推荐/精选全部全部原创转载翻译同志们我搬家了我搬家到知乎 易显维​​https://www.zhihu.com/people/yi-xian-wei-50​​系统之神与我同在队队长主要研发语义解析、文本校对系统2018CCFDBCI–宜信–基金间的相关性预测Top3 2018卓尔智联研究院–农贸市场的价格预测Top2 2018创客中国–基于大数据的汽轮机瞬态应力分析与预测T大数据人工智能知乎数据数据建模原创2021-10-2715:12:40458阅读使用densenet实现的识别字符序列图片附代码链接代码链接https://download.csdn.net/download/u011983997/11138205第一步打开造样本的配置文件设置造多少样本文本来源图片长宽最多多少个字然后打开main.py开始造样本样本注意要输出到不在源码目录下否则pycharm一直index会比较慢或者关了pycharm的index然后开始训练上面两个地方为样本的路径本代码基于densenet使用ctc的los深度学习ocr计算机视觉原创2019-04-2311:15:443525阅读使用pytorchadam算法拟合正态分布曲线我们有个交易量的数据从分布上看符合正态分布为了合理设置机器的容量需要对该数据进行测算找到分布的具体参数用python写出来如下：defnormfun(x,mu,sigma):returnnp.exp(-((x-mu)2)/(2*sigma2))/(sigmanp.sqrt(2np.pi))需要拟合的数据如下格式Value为交易量Timestamp为时间戳我们取一天早高峰的数据df=pd.read_数据分析正态分布pytorch原创2019-04-2311:01:026151阅读四个问题，Yoshua等27位前沿研究者，这是一份NLP领域的请回答2018今年9月份，深度学习Indaba2018峰会在南非斯泰伦博斯举办，包括谷歌大脑JeffDean在内的一众研究者都到场进行了分享。 一位来自Insight数据分析研究中心的博士生SebastianRuder在准备自己的分享期间，就四个问题咨询了包括YoshuaBengio在内的20位这个领域的前沿研究者。 昨天，SebastianRuder在推特上公开了完整的20余份问答实录，以及他对这些答案相关的分自然语言处理转载2018-12-2109:26:09715阅读六种人体姿态估计的深度学习模型和代码总结姿态估计的目标是在RGB图像或视频中描绘出人体的形状，这是一种多方面任务，其中包含了目标检测、姿态估计、分割等等。 有些需要在非水平表面进行定位的应用可能也会用到姿态估计，例如图形、增强现实或者人机交互。 姿态估计同样包含许多基于3D物体的辨认。 在这篇文章中，ModelZoo的作者汇总了几种开源的深度学习模型以及针对姿态估计的代码，论智对其进行了编译，如有遗漏请在评论中补充。 DensePose创作这篇深度学习姿态估计转载2018-12-1315:33:243215阅读1评论再谈XGBoost原理GBDT的核心就在于累加所有树的结果作为最终结果。 分类树决策树的分类算法有很多，以具有最大熵的特征进行分类，以信息增益特征进行分类（ID3），以增益率特征进行分类（C4.5），以基尼系数特征进行分类（CART分类与回归树）等等。 这一类决策树的特点就是最后的结果都是离散的具体的类别，比如苹果的好/坏，性别男/女。 回归树回归树与分类树的流程大致一样，不同的是回归树在每个节点都会有一个预测值，以年龄为例机器学习原理原创2018-12-1209:46:314000阅读核函数粗浅的理解核函数的定义设\\mathbb是\\mathbb^n中的一个子集，称定义在\\mathbb\\times\\mathbb上的函数k(x,y)是核函数，如果存在一个从\\mathbb到希尔伯特空间(特征空间)\\mathbb的映射\\phi\\\\begin\\phi:\\xi\\mapsto\\phi(\\xi)\\in\\mathbb\\end\\使得对任机器学习转载2018-12-1115:52:481053阅读AI界的妖风最近一篇文章https://zhuanlan.zhihu.com/p/50948707深度学习碰上古文献，西南大学提出基于CNN的古彝文识别方法我预计不久之后就会出现一个现象：不光有彝族文字识别，还有蒙文识别，藏文识别，苗文识别然后各位教授一起开一个学术研讨会议，会议上有个场景：藏文识别大师：哎呀，是满文识别大师刘教授，久仰久仰满文识别大师：哎呀，是藏文识别大师王教授，哪里哪里藏文识别大师：王教授深度学习AI原创2018-12-0708:48:14628阅读面试的时候你感觉受到尊重了吗？案例一：技术面试问题过于简单，招致资深候选人反感某家创业公司的CTO离职，需要招一位新的CTO。 一位资深候选人A到场面试，但由于公司暂时没有足够高阶的技术人员，技术面试官是由昔日CTO的下级担任的。 几番一问一答下来，候选人逐渐失去了谈话的兴趣：「我当场就爆粗口了，觉得这面试官问的问题都很浅，技术能力比我还差的人有什么资格面试我呢？」资深职业顾问Summer表示，这类情况的确比较尴尬，但如果HR提前面试尊重原创2018-12-0609:03:041491阅读1评论Neo4j底层存储结构分析neo4j中节点和关系的物理存储模型neo4j存储模型Thenoderecordscontainonlyapointertotheirfirstpropertyandtheirfirstrelationship(inwhatisoftentermedthe_relationshipchain).Fromhere,wecanfollowthe(doubly)linked-listofrelation图数据库转载2018-11-1209:21:574685阅读如来佛祖与样本均衡的关系为什么如来佛祖能够成佛其他的和尚却没有成佛的因为如来佛祖是王子出家已经体会过人世间的苦乐积累了足够的和较为较为均衡的正负样本从中悟出人生真谛很多人都是迫于生计或者逃避人生苦难遁入空门做不到放下一切所以难以成佛另外一个是心理阈值的问题如来佛祖的心理阈值是非常高的释迦牟尼是迦毗罗卫国的王子，他生活非常富足，父亲曾经修筑了春、夏、冬三个宫殿，从小锦衣玉食，可谓要风得风要雨得雨。 对比很多出家人并没有完整享人生原创2018-10-1216:46:39426阅读量化指标程序库ta-lib安装方法TA-lib是一个技术分析库，里面包含了大部分主流的技术指标，让使用者不用再重复造轮子。 这个库在国外很常用，各种大型的开源量化框架，都会内置这个库。 计算速度快TA-lib的一个特点是计算速度快，因为原始版本是用C语言写的，然后通过Cython转化，使得Python也能调用。 然后我在安装这个库的时候pipinstallta-lib发现了错误具体解决的操作过程如下先安装一个VS2013或者其他版本然后量化安装方法原创2018-10-0920:22:142086阅读MV3D中环境配置，解决安装pythonshapely时缺少geos库的问题MV3D环境配置需要安装shapely库在pipinstallshapely的时候报错发现没有geos库先安装VS2013然后出现打开CMD下载geos库下载geos-3.5.0，放在d:\\geos350中下载网站：http://trac.osgeo.org/geos/atuogen.batnmake/fmakefile.vc之后在src目录下生成将文件拷贝到system32目录然后安装pipin环境配置原创2018-10-0810:32:203874阅读论文笔记：MasteringthegameofGowithdeepneuralnet背景：完全信息博弈与MCTS算法要完全弄清AlphaGo背后的原理，首先需要了解一下AI在博弈游戏中常用到的蒙特卡洛树搜索算法——MCTS。 在一个完全信息下的博弈游戏中，如果所有参与者都采取最优策略，那么对于游戏中的任意一个局面ss，总有一个确定性的估值函数v∗(s)v∗(s)可以直接计算出最终的博弈结果。 理论上，我们可以通过构建一棵博弈树，递归地求解出v∗(s)v∗(s)。 这就是Minimax算算法转载2018-10-0116:40:501771阅读如何配置mugo自动下围棋mugo是一个开源围棋程序开源地址https://github.com/brilee/MuGo下载代码之后安装依赖注意安装gtp要使用命令pipinstallpygtp不是pipinstallgtp否则后来会报错显示没有engine然后下载棋谱https://u-go.net/gamerecords/下载下来之后放到一个目录执行pythonmain.pypreprocessdata这个data就是人工智能围棋原创2018-09-3011:30:492580阅读如何计算用户在某个车站上下车，地图匹配方法Python代码如下：输入经纬度和编码级别计算对应的geohash编码frommathimportlog10__base32=\'0123456789bcdefghjkmnpqrstuvwxyz\'__decodemap=foriinrange(len(__base32)):__decodemap[__base32[i]]=idelidefdecode_exactly(geohash):lat_i算法GIS原创2018-09-2716:57:403040阅读终于，「最近邻搜索」有通用方法了作者：KevinHartnett编译：Bing如果你打算开一家咖啡馆，你一定想知道：“附近最近的一家咖啡馆在哪？”了解这些信息有助于应对商业竞争。 这种现象是计算机科学中广泛研究的问题，称为“最近邻搜索”。 它的问题是，给定数据集和新的数据点，数据集中哪个数据离新数据点最近？这个问题出现的场景非常丰富，可以是基因搜索、图像查询，或者音乐推荐。 但是最近邻问题并不像咖啡馆那么容易解决。 过去几十年，很多计算算法转载2018-08-1608:46:152179阅读Python版本的谷歌S2空间索引算法参考https://en.wikipedia.org/wiki/Hilbert_curvehilbert_map=,\'b\':,\'c\':{(0,0):(2,\'c\')算法GIS大数据原创2018-08-1416:11:514156阅读简单的CNN文本分类假设我们一句话有十个词，每个词语都可以用128维来表示，那么一句话就是一个10*128的矩阵图片。 建立一个如下图的卷积神经网络：上面对这个图片进行卷积核大小分别为2、3、4的卷积计算形成feature_map最后通过softmax进行分类代码如下：#coding:utf-8importtensorflowastfimportnumpyasnpimportpickleclassTextCNN(obj文本分类算法原创2018-08-1409:55:125053阅读如何学习word2vec在word2vec之前所有的词汇表示都是用onehot表示类似man这个单词如下表示他把每个词语孤立起来，该网络如果想在下面一个句子中填入一个单词，就不会根据apple联想到orange所以就希望能够使用向量化的方式来表示单词：这样Apple和Orange就会有相似的地方，在这个特征空间内会距离比较近。 而且还有这样的特性：如何学习到这个词嵌入矩阵：我们建立一个神经网络像上图那样用前面几个词预测后面算法词向量人工智能自然语言处理原创2018-08-1409:08:171510阅读日本国宝级匠人新津春子日本东京的羽田机场，已经连续很多年蝉联“世界上最干净的机场”。 这里几乎一尘不染，就连吸烟室里的每个烟缸，都闪得发亮，洗手间更是没有任何异味。 在这背后，要归功于一位清洁女工——新津春子。 她的身份虽然只是普通的机场清洁工，但兢兢业业做了几十年，一直做到日本“国宝级匠人”，并且成为无数主妇心目中的偶像。 可能对大部分人来说，清洁工是个没什么技术含量的体力活，往往被视为社会弱势底层。 但新津春子凭借一己之力，学习做人原创2018-08-1111:42:234532阅读出家如初，成佛有余俗语说，学佛一年，佛在心间，学佛二年，佛在眼前，学佛三年，佛在天边！随着时间的推移，人们向道之心，越来越淡薄，相反，如能始终如一，努力不懈，用功修炼，则道业可成！做人原创2018-08-1016:21:232193阅读1评论PEP8python编码规范Introduction介绍AFoolishConsistencyistheHobgoblinofLittleMinds尽信书则不如无书Codelay-out代码布局Indentation缩进TabsorSpaces制表符还是空格MaximumLineLength行的最大长度Shouldalinebreakbeforeorafterabinaryoperator在二元运算符之前应该换行吗Blank编码规范转载2018-08-1010:05:321168阅读1评论pythonsparkwindowspycharmpyspark环境配置1、下载如下放在D盘添加SPARK_HOME=D:\\spark-2.3.0-bin-hadoop2.7。 并将%SPARK_HOME%/bin添加至环境变量PATH。 然后进入命令行，输入pyspark命令。 若成功执行。 则成功设置环境变量找到pycharmsitepackage目录右键点击即可进入目录，将上面D:\\spark-2.3.0-bin-hadoop2.7里面有个/python/pyspark环境配置pycharmpyspark原创2018-08-0917:38:078608阅读1收藏kaggle中zillow比赛中模型融合的方法及其代码在机器学习这个领域，尤其是做多媒体（声音、图像、视频）相关的机器学习方法研究，会涉及很多特征、分类模型（分类任务）的选择。 以声音识别为例，常见的特征有MFCC、LPCC、spectrogram-likefeatures等，分类模型就很多了，有传统的分类模型SVM、KNN、RandomForest，还有现在比较火的深度模型DNN、CNN、RNN等。 而往往单特征、单模型很难取得理想的性能（perfor算法机器学习原创2018-08-0915:21:3310000阅读gbdtlr代码importnumpyasnpnp.random.seed(10)importmatplotlib.pyplotaspltfromsklearn.datasetsimportmake_classificationfromsklearn.linear_modelimportLogisticRegressionfromsklearn.ensembleimport(RandomTreesEmbeddin算法机器学习原创2018-08-0915:07:493632阅读一文理解矩阵特征值、特征向量、矩阵分解、pca、svd的来龙去脉1、如何理解矩阵特征值：https://www.zhihu.com/question/218748162、奇异值比特征值更能反应矩阵的特性吗：https://www.zhihu.com/question/499591303、特征值与特征向量：https://zhuanlan.zhihu.com/p/295178284、SVD：https://zhuanlan.zhihu.com/p/2580147算法转载2018-08-0811:10:0310000阅读1收藏1评论如何快速绘制相关系数矩阵importpandasaspdtrain=pd.read_csv(\"dftest/train.csv\")importseabornassnsimportmatplotlib.pyplotaspltdefshowcov(df):dfData=df.corr()plt.subplots(figsize=(9,9))#设置画面大小sns.heatmap(dfData,annot=True,vmax=1算法Python原创2018-08-0810:34:486862阅读如何理解EM算法如果使用基于最大似然估计的模型，模型中存在隐变量，就要用EM算法做参数估计。 个人认为，理解EM算法背后的idea，远比看懂它的数学推导重要。 idea会让你有一个直观的感受，从而明白算法的合理性，数学推导只是将这种合理性用更加严谨的语言表达出来而已。 打个比方，一个梨很甜，用数学的语言可以表述为糖分含量90%，但只有亲自咬一口，你才能真正感觉到这个梨有多甜，也才能真正理解数学上的90%的糖分究竟是怎么算法转载2018-08-0809:14:01809阅读探索车险未来方向，2018平安产险数据建模大赛圆满落幕，获得第五名前段时间一直忙于参加这个比赛，最后成绩第五名。 8月3日，由平安产险精算部和AI部合作运营的“2018平安产险数据建模大赛”决赛在深圳圆满落幕。 平安产险董事长兼CEO孙建平，平安产险常务副总经理史良洵，平安集团首席科学家肖京，平安产险副总经理梁小英，平安产险总经理助理周克俊，平安产险总经理助理顾青山，香港科技大学计算机系主任杨强，中科院计算所副所长程学旗，清华大学信息技术院副院长邢春晓等嘉宾出席决赛算法原创2018-08-0716:27:441315阅读1评论首页12345共134条记录Copyright©2005-202351CTO.COM版权所有京ICP证060544号关于我们官方博客全部文章热门标签班级博客了解我们在线客服网站地图意见反馈友情链接开源基础软件社区51CTO学堂51CTO汽车开发者社区

站点概括

关于blog.51cto.com说明：
blog.51cto.com由网友主动性提交被分类目录自动收录系统整理收录的，分类目录自动收录系统仅提供blog.51cto.com的基础信息并免费向大众网友展示，blog.51cto.com的是IP地址：203.107.44.140 地址：广东省 深圳市 阿里云 数据中心，blog.51cto.com的百度权重为5、百度手机权重为6、百度收录为100,000,000条、360收录为9,740,000条、搜狗收录为168177658条、谷歌收录为-条、百度来访流量大约在47,576 ~ 65,180之间、百度手机端来访流量大约在33,130 ~ 39,751之间、blog.51cto.com的备案号是京ICP备09067568号-5、备案人叫北京无忧创想信息技术有限公司、被百度收录的关键词有33,093个、手机端关键词有28,838个、该站点迄今为止已经创建18年6月3日。

内容声明：

1、本站收录的内容来源于大数据收集，版权归原网站所有！
2、本站收录的内容若侵害到您的利益，请联系我们进行删除处理！
3、本站不接受违规信息，如您发现违规内容，请联系我们进行清除处理！
4、本文地址：https://link.52hwl.com/links/3f8dd721c8152b89ce64.html，复制请保留版权链接！

---