- 博客(5)
- 收藏
- 关注
RSS订阅原创 简单快速在Python环境下 安装xgboost ，不需要编译
1、https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost 找到自己版本对于的whl2、安装直接在cmd运行 pip install D:\xgboost-0.6-cp35-cp35m-win_amd64.whl 3、成功 检测是否安装成功import xgboost as xgb 不报错即成功...
2018-03-30 15:56:27
363
原创 python中实现交叉验证时出现
#查看cv评分rf_test = RandomForestRegressor(max_depth=30, n_estimators=500, max_features = 100, oob_score=True, random_state=1234)cv_score = cross_val_score(rf_test, train_d.drop('SalePrice', axis = 1), t...
2018-03-30 15:31:39
941
原创 解决pycharm中matplotlib、plt.show()画图时报错“qt platform问题”
使用pycharm的matplotlib函数时出现如下报错：解决办法：1、查看并确认python环境是否成功安装matplotlib本人使用anaconda3.5.1已经安装好2、打开控制面板 - >系统设置 - >高级系统设置 - >环境变量->系统变量 - >新建。设置变量名称：QT_PLUGIN_PATH，变量目录：...\Anaconda2 \ Library...
2018-03-26 11:12:15
6383
6
转载 霍夫（Hough）变换原理
霍夫变换Hough霍夫变换(Hough)是一个非常重要的检测间断点边界形状的方法。它通过将图像坐标空间变换到参数空间，来实现直线与曲线的拟合。1.直线检测1.1 直线坐标参数空间在图像x−yx−y坐标空间中，经过点(xi,yi)(xi,yi)的直线表示为： yi=axi+b(1)yi=axi+b(1)其中，参数a为斜率，b为截矩。其中，参数a为斜率，b为截矩。 通过点(xi,yi)点(xi,yi)...
2018-03-06 20:36:42
4682
转载 机器学习中的范数规则化-L0,L1和L2范式
监督学习的过程可以概括为：最小化误差的同时规则化参数。最小化误差是为了让模型拟合训练数据，规则化参数是为了防止过拟合。参数过多会导致模型复杂度上升，产生过拟合，即训练误差很小，但测试误差很大，这和监督学习的目标是相违背的。所以需要采取措施，保证模型尽量简单的基础上，最小化训练误差，使模型具有更好的泛化能力（即测试误差也很小）。范数规则化有两个作用：1）保证模型尽可能的简单，避免过拟合。2）约束模型...
2018-03-05 10:33:06
522
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人