OCAEN.GZY读书城南

数据可视化--plotly-绘制常见图形 具体实现 About ME 👋 读书城南，🤔 在未来面前，我们都是孩子～ 📙 一个热衷于探索学习新方向、新事物的智能产品经理，闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~ 👋 Social Media 🛠️ Blog: http://oceaneyes.top ⚡ PM导航: https://pmhub.oceangzy.top ☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/ 🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/ 📫 Email: 1450136519@qq.com 💬 WeChat: OCEANGZY 💬 公众号: UncleJoker-GZY 👋 加入小组~ 👋 感谢打赏~

数据可视化-seaborn-基础 具体实现 About ME 👋 读书城南，🤔 在未来面前，我们都是孩子～ 📙 一个热衷于探索学习新方向、新事物的智能产品经理，闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~ 👋 Social Media 🛠️ Blog: http://oceaneyes.top ⚡ PM导航: https://pmhub.oceangzy.top ☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/ 🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/ 📫 Email: 1450136519@qq.com 💬 WeChat: OCEANGZY 💬 公众号: UncleJoker-GZY 👋 加入小组~ 👋 感谢打赏~

数据可视化-seaborn-绘制常见统计图形 具体实现 About ME 👋 读书城南，🤔 在未来面前，我们都是孩子～ 📙 一个热衷于探索学习新方向、新事物的智能产品经理，闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~ 👋 Social Media 🛠️ Blog: http://oceaneyes.top ⚡ PM导航: https://pmhub.oceangzy.top ☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/ 🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/ 📫 Email: 1450136519@qq.com 💬 WeChat: OCEANGZY 💬 公众号: UncleJoker-GZY 👋 加入小组~ 👋 感谢打赏~

常见描述性指标的python实现 集中趋势 均值 \[ \mu=\frac{\displaystyle\sum\limits_{i=1}^N{X_i}}{N} \] 中位数 众数 离散程度 极差 \[ R=\max{(X)}-\min{(X)} \] 方差 \[ \sigma^2=\frac{\displaystyle\sum\limits_{i=1}^N (X_i-\mu)^2}{N} \] 标准差 \[ \sigma =\sqrt{\sigma^2} \] 变异系数 \[ CV=\frac{\sigma}{\mu} \] 偏差程度 Z-分数 \[ Z_i=\frac{X_i-\mu}{\sigma} \] 相关程度 协方差 \[ Cov(X,Y)=\frac{\displaystyle\sum\limits_{i=1}^N (X_i-\bar{X})(Y_i-\bar{Y})}{N} \] 相关系数 \[ r(X,Y)=\frac{Cov(X,Y)}{\sigma_X\sigma_Y} \] 具体实现 About ME 👋 读书城南，🤔 在未来面前，我们都是孩子～ � ...

基于矩阵分解实现电影推荐 About ME 👋 读书城南，🤔 在未来面前，我们都是孩子～ 📙 一个热衷于探索学习新方向、新事物的智能产品经理，闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~ 👋 Social Media 🛠️ Blog: http://oceaneyes.top ⚡ PM导航: https://pmhub.oceangzy.top ☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/ 🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/ 📫 Email: 1450136519@qq.com 💬 WeChat: OCEANGZY 💬 公众号: UncleJoker-GZY 👋 加入小组~ 👋 感谢打赏~

训练item2vec实现电影推荐 About ME 👋 读书城南，🤔 在未来面前，我们都是孩子～ 📙 一个热衷于探索学习新方向、新事物的智能产品经理，闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~ 👋 Social Media 🛠️ Blog: http://oceaneyes.top ⚡ PM导航: https://pmhub.oceangzy.top ☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/ 🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/ 📫 Email: 1450136519@qq.com 💬 WeChat: OCEANGZY 💬 公众号: UncleJoker-GZY 👋 加入小组~ 👋 感谢打赏~

基于PyTorch实现图像去模糊-学习 任务描述 相机的抖动、快速运动的物体都会导致拍摄出模糊的图像，景深变化也会使图像进一步模糊。 对于传统方法来说，要想估计出每个像素点对应的 “blur kernel” 几乎是不可行的。因此，传统方法常常需要对模糊源作出假设，将 “blur kernel” 参数化。显然，这类方法不足以解决实际中各种复杂因素引起的图像模糊。 卷积神经网络能够从图像中提取出复杂的特征，从而使得模型能够适应各种场景。 本教程以 CVPR2017 的 《Deep Multi-scale Convolutional Neural Network for Dynamic Scene Deblurring》 为例，来完成图像去模糊的任务。 方法概述 利用pytorch深度学习工具实现一个端到端的图像去模糊模型，通过参数设置、加载数据、构建模型、训练模型和测试用例依次实现一个图像去模糊工具，在训练和预处理过程中通过可视化监督训练过程。 模型采用了残差形式的CNN，输入和输出都采用高斯金字塔（Gaussian pyramid）的形式。 整个网络结构由三个相似的CNN构成，分 ...

Bert-TF-2.6修改-自调适配版 背景 bert开源版适配的为tf1版本，当机器的tf环境为2以上版本时，会出现各种异常。 因此我根据tf的函数库，进行了bert适配tf2.6的修改适配。 代码 run_classifier.py from __future__ import absolute_import from __future__ import division from __future__ import print_function import collections import csv import os import modeling import optimization import tokenization import tensorflow as tf from absl import flags from absl import app import pickle # flags = tf.flags FLAGS = flags.FLAGS ## Required parameters flags.DEFINE_string( &qu ...

基于LSTM+CRF的中文命名实体识别 任务描述：命名实体识别是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。 实现一个简单的命名实体识别方法，该方法通过BiLSTM+CRF模型预测出文本中文字所对应的标签，再根据标签提取出文本中的实体。 从数据文件中加载数据并进行预处理、构建模型、训练模型、评估模型和测试模型。 说明：目前本文档仅作为示例，为了加快训练速度模型较为简单，词向量维度也比较低，因此导致模型准确率较低。 import tensorflow as tf import numpy as np import pandas as pd import tensorflow_addons as tfa tf 2.0 的新特性：eager execution 可以用tf.executing_eargerly()查看Eager Execution当前的启动状态，返回True则是开启，False是关闭。 可以用tf.compat.v1.enable_eager_execution()启动eager模式。 关闭eager模式的函数是 tf.compat ...

广告投放中的CTR预估模型 import numpy as np import pandas as pd import sklearn from sklearn.model_selection import StratifiedKFold from sklearn.metrics import roc_auc_score import gc import os import lightgbm as lgb 数据清洗 import numpy as np import pandas as pd import sklearn from sklearn.model_selection import StratifiedKFold from sklearn.metrics import roc_auc_score import gc import os import lightgbm as lgb data_path = './datasets/' train = pd.read_csv(os.path.join(data_path,'train.csv' ...