- 博客(99)
- 收藏
- 关注
RSS订阅转载 【无标题】
转自 ：神经网络同时优化两个模型的参数/加载两个模型的参数_吉良的博客-CSDN博客_pytorch同时优化两个模型神经网络同时优化两个模型的参数/加载两个模型的参数框架：Pytorch以Adam为例一、传参和优化1、传入/优化一个模型的参数：opt= torch.optim.Adam(model_1.parameters)12、同时传入/优化两个模型的参数：opt = torch.optim.Adam([ {'params': model_1.parameters(), 'l...
2022-02-22 11:26:37
349
1
转载 从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型
从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型 (一)https://www.cnblogs.com/SivilTaram/p/graph_neural_network_1.html从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型 (二)https://www.cnblogs.com/SivilTaram/p/graph_neural_network_2.html从图(Graph)到图卷积(Graph Convolut
2020-06-17 15:37:04
475
转载 教你几招搞定 LSTMs 的独门绝技（附代码）
本文为雷锋字幕组编译的技术博客，原标题 Taming LSTMs: Variable-sized mini-batches and why PyTorch is good for your health ，作者为 William Falcon 。翻译 | 赵朋飞 马力群 涂世文 整理 | MY如果你用过 PyTorch 进行深度学习研究和实验的话，你可能经历过欣喜愉悦、能量爆棚的体验，甚至有点像是走在阳光下，感觉生活竟然如此美好 。但是直到你试着用 PyTorch 实现可变大小的 mi..
2020-06-02 21:55:34
1399
转载 什么是数据标准化？在Python中如何进行数据标准化？「必学」
转载：https://www.toutiao.com/i6644145067256709645/?tt_from=weixin&utm_campaign=client_share&wxshare_count=1×tamp=1590562159&app=news_article&utm_source=weixin&utm_medium=toutiao_android&use_new_style=1&req_id=202005271449
2020-05-27 15:20:31
10841
1
转载 Python数据处理：五分钟搞定异常值和重复值
一、异常值处理异常值之前，需要明确哪些是异常值。有很多种规则和方法来筛选异常值，这里我们以Z标准化得到的阈值作为判断标准。利用正态分布定位异常值Z标准化会将数据转换为标准差为1，均值为0且符合正态分布的数据序列，一般来说，99%以上的数据都聚集在均值周围三个标准差距离范围内。这里我们以两个标准差为界，超出则算作异常值。z标准化的公式为：可以看到，在第一列中，最后一个数字150距离均值超过了两个标准差，符合异常值的标准。有些时候，在不清楚用什么边界来判断异...
2020-05-27 15:19:40
2953
1
转载 机器学习实战第一步：特征选择与特征工程（使用类RobustScaler对异常值进行控制和选择分位数范围）
转载：https://www.toutiao.com/i6641904652575048206/?tt_from=weixin&utm_campaign=client_share&wxshare_count=1×tamp=1590562909&app=news_article&utm_source=weixin&utm_medium=toutiao_android&use_new_style=1&req_id=202005271501
2020-05-27 15:19:22
1557
转载 Python量化投资基础：时间序列的平稳性检验
主要内容：1. 自相关性和自相关系数2. 强平稳和弱平稳3. Python平稳性检验实战重要性：10分 (1-10)。时间序列数据的平稳性对于我们采用什么样的分析方式、选择什么样的模型有着至关重要的影响。我们想一下，假如一个时间序列的波动趋势从来没有稳定过，那么它每个时期的波动对于之后一段时期的影响都是无法预测的，因为它随时可能“变脸”。而当一个时间序列的特征维持稳定，比如它的均值和方差是稳定的，那么我们认为在之后的一段时间里，它的数据分布跟历史的数据分布大概率是保持一致的，这时.
2020-05-27 15:18:42
2554
转载 《一天一图学Python可视化》｜用等高线图高效观察双变量集中趋势
很多朋友应该见过等高线图，它可以轻易地将两个变量的分布给表现出来。我们之前学习过使用jointplot()来表现双变量数据分布，不过今天，我们将学习一下如何使用基于核密度估计的等高线图来表现双变量数据分布。我们先来看看代码和图形效果：import numpy as npimport seaborn as snsimport matplotlib.pyplot as pltsns.set(style="dark")rs = np.random.RandomState(50)## 生成3*3的图形对
2020-05-27 15:11:58
889
转载 Python数据分析基础｜方差分析
之前我们曾经讲过用Python做t检验，它用于分析一组数据与另一组数据或者总体均值之间的均值差异，从而判断它们是否来自于同一个总体。我会分享大量关于网页抓取、数据分析与挖掘、机器学习还有可视化等方面的知识，欢迎感兴趣的同学关注我！但是t检验有它的局限性，它无法应对多个因子变量以及因子变量有多个水平（大于2）的情况。这时，我们就需要使用方差分析了。方差分析的目的是分析因子对反应变量有无显著影响，即因子的不同水平下反应变量（因变量）的均值是否有差异。一些概念在方差分析中，我们需要注意几个
2020-05-27 15:11:05
2078
1
转载 单因素方差分析与卡方检验有什么区别，能否举个例子？
作者：SPSSAU链接：https://www.zhihu.com/question/44615437/answer/641138030来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。下面这个表格比较好说明这个问题：想要理解这两个方法之间的区别，首先要理解什么是数据类型。所有数据可以分为两类：定量和定类，区别为数字大小是否具有比较意义。定量：数字有比较意义，比如数字越大代表满意度越高，量表为典型定量数据。 定类：数字无比较意义，比如性别，1代表男.
2020-05-27 14:40:34
8872
1
原创 多元线性回归的模型解释、假设检验、特征选择
多元线性回归的模型解释、假设检验、特征选择https://www.toutiao.com/i6830412629266137603/?tt_from=weixin&utm_campaign=client_share&wxshare_count=2&from=singlemessage×tamp=1590476762&app=news_article&utm_source=weixin&utm_medium=toutiao_android&
2020-05-27 14:18:43
7164
原创 knn——sklearn
sklearn.neighbors.NearestNeighbors::neighborsNearestNeighborskneighbors：查找点的K邻居。返回每个点的邻居的索引和与之的距离。kneighbors_graph：计算X中点的k邻居的（加权）图radius_neighbors：查找一个或多个给定半径内的邻居。radius_neighbors_graph：计算X中点，认为半径的邻居（加权）图set_params：设置此估算器的参数。...
2020-05-24 21:26:14
162
转载 HMM
https://zhuanlan.zhihu.com/p/62529131一、知识回顾：HMM(隐马尔可夫模型)的完整参数集合可以用一个五元组来表示。式中各个参数含义如下：N为HMM的隐状态个数。令符号为t时刻的状态，则隐含状态序列可表示为，。其中，为隐状态集。 M为HMM的可观测状态个数。令符号为t时刻的观测，则观测序列可表示为，。其中，为观测集。 ...
2019-12-23 15:04:52
216
原创 pandas
https://pandas.pydata.org/pandas-docs/stable/user_guide/computation.htmlhttps://www.jianshu.com/p/b8c795345e93
2019-11-11 14:20:54
131
转载 三点定圆
就是解三元二次方程组！X,Y,R为未知数,x1,y1,x2,y2,x3,y3为常数(x1-X)²-(y1-Y)²=R² (1)式(x2-X)²-(y2-Y)²=R² (2)式(x3-X)²-(y3-Y)²=R² (3)式(1)-(2),就是左边减左边,右边减右边,得到x1²-2Xx1+X²-(y1²-2Yy1+Y²)-(x2²-2Xx2+X²)+(...
2019-10-28 18:16:08
268
原创 数据处理2
Kaggle项目：房价预测(1)http://ddrv.cn/a/2886682.2 数据探索分析2.2.1 分析目标变量(SalePrice)2.2.2 分析特征变量2.2.2.2 定量变量分析2.2.2.3 定性变量分析（方差分析）2.2.2.4 相关性（spearman相关系数）3. 数据清洗3.1 离群点处理3.2 缺失值处理Kaggle...
2019-10-16 15:26:25
205
原创 数据处理总结
房价预测（1）https://blog.csdn.net/qilixuening/article/details/751531311、有缺失值的检查，以百分数的形式表示。2、缺失值的补全与变换 类型（离散）变量缺失值补全 连续变量缺失值补全3、相关分析 对于离散变量，我们可以进行一元方差分析，获得各个离散变量对房价方差的影响： ...
2019-10-16 14:48:20
524
原创 特征工程
https://www.zhihu.com/question/28641663/answer/110165221https://www.cnblogs.com/wzdLY/p/9689547.html
2019-10-11 10:19:38
71
转载 深入理解图注意力机制
图卷积网络Graph Convolutional Network (GCN) 告诉我们将局部的图结构和节点特征结合可以在节点分类任务中获得不错的表现。美中不足的是 GCN 结合邻近节点特征的方式和图的结构依依相关，这局限了训练所得模型在其他图结构上的泛化能力。Graph Attention Network (GAT) 提出了用注意力机制对邻近节点特征加权求和。邻近节点特征的权重完全取决于节点...
2019-09-24 17:28:03
5827
1
转载 图网络如何助力城市大脑：跨时空大尺度网约车流量预测
论文题目：Spatiotemporal Multi-Graph Convolution Network for Ride-hailing Demand Forecasting论文地址：http://www-scf.usc.edu/~yaguang/papers/aaai19_multi_graph_convolution.pdfST-MGCN 是滴滴出行 AI Lab 发表于 AA...
2019-09-23 11:17:42
2545
1
转载 机器学习数据集的获取和测试集的构建方法
第二篇，会介绍下如何获取数据集和构建测试集的方法。前者，对于机器学习来说，数据集的好坏对模型性能有很大的影响。而后者，主要是避免两个偏差--数据透视偏差和采样偏差。2. 获取数据2.1 常用数据集在我们学习机器学习的时候，最好使用真实数据，即符合真实场景的数据集，而不是人工数据集，采用这种人工数据集在实际应用中会让系统表现很糟糕，因为人工数据集一般都和真实场景下的数据有较大的差异。幸运...
2019-09-07 17:40:48
1820
转载 机器学习入门系列(2)--如何构建一个完整的机器学习项目(一)
这里先给出一个完整的机器学习项目过程的主要步骤，如下所示： 项目概述。 获取数据。 发现并可视化数据，发现规律 为机器学习算法准备数据。 选择模型，进行训练。 微调模型。 给出解决方案。 部署、监控、维护系统 1. 项目概览1.1 划定问题当我们开始一个机器学习项目的时候，需要先了解两个问题： 商业目标是...
2019-09-07 16:03:45
260
转载 机器学习入门系列（1）--机器学习概览
机器学习是让计算机具有学习的能力，无需进行明确编程。 —— 亚瑟·萨缪尔，1959监督/非监督学习第一种分类机器学习的方法是可以根据训练时监督的量和类型进行分类。主要有四类：监督学习、非监督学习、半监督学习和强化学习。常用的监督学习算法有：K近邻算法线性回归逻辑回归支持向量机（SVM）决策树和随机森林神经网络非监督学习和监督学习相反，非监督学习就是采用没...
2019-09-07 15:45:42
210
转载 GCN的形象解释2
作者：Johnny Richards链接：https://www.zhihu.com/question/54504471/answer/630639025来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。最高票@superbrother答案从傅立叶变换出发到拉普拉斯矩阵最后再到GCN已经很详细和全面的讲解，清晰明确非常赞 。然而，发表一点个人意...
2019-07-15 21:53:04
286
转载 GCN的形象讲解
作者：Johnny Richards链接：https://www.zhihu.com/question/54504471/answer/630639025来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。最高票@superbrother答案从傅立叶变换出发到拉普拉斯矩阵最后再到GCN已经很详细和全面的讲解，清晰明确非常赞 。然而，发表一点个人意...
2019-07-15 21:50:37
2969
2
转载 Structured Sequence Modeling With Graph Convolutional Recurrent Networks
https://davidham3.github.io/blog/2018/07/23/structured-sequence-modeling-with-graph-convolutional-recurrent-networks/Structured Sequence Modeling With Graph Convolutional Recurrent NetworksICLR 20...
2019-07-14 17:35:46
2784
1
转载 Diffusion Convolutional Recurrent Neural Network: Data-Driven Traffic Forecasting
ICLR 2018，DCRNN，模型借鉴了Structured Sequence Modeling With Graph Convolutional Recurrent Networks (ICLR 2017 reject)里面的DCRNN，将该模型应用于了交通预测上。而且后者的论文使用的卷积是Defferrard提出的图卷积，这篇论文中使用的是扩散卷积，这种扩散卷积使用的是随机游走，与Diffu...
2019-07-14 16:50:31
10078
转载 Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic
IJCAI 2018，大体思路：使用Kipf & Welling 2017的近似谱图卷积得到的图卷积作为空间上的卷积操作，时间上使用一维卷积对所有顶点进行卷积，两者交替进行，组成了时空卷积块，在加州PeMS和北京市的两个数据集上做了验证。但是图的构建方法并不是基于实际路网，而是通过数学方法构建了一个基于距离关系的网络。原文链接：Spatio-Temporal Graph Convoluti...
2019-07-14 15:00:15
14835
5
转载 GCN
原标题：如何用图卷积网络在图上进行深度学习第一部分 图卷积网络的高级介绍在图上进行机器学习是一项困难的任务，因为它的复杂性很高，同时也是由于信息丰富的图结构。这篇文章是关于如何用图卷积网络(GCNs)对图进行深度学习的系列文章中的第一篇。GCNs是一种强大的神经网络，旨在直接处理图并利用它们的结构信息。在这篇文章中，我将介绍GCNS，并通过编码示例说明如何通过GCN的隐藏层传播信息。我...
2019-06-10 16:47:35
4020
转载 kNN 的花式用法
https://www.toutiao.com/a6688661603308536334/?tt_from=weixin&utm_campaign=client_share&wxshare_count=1×tamp=1557327404&app=news_article&utm_source=weixin&utm_medium=toutia...
2019-05-29 08:35:31
823
转载 stop_gradien
stop_gradient法# Input (s, a), output q self.a = tf.stop_gradient(a) # stop critic update flows to actor，就是说a可以参与正向计算，不能参与反向传播 self.q = self._build_net(S, self.a, 'eval_net', trainable=T...
2019-05-19 10:44:23
459
转载 漫画：Dijkstra 算法的优化
算法漫画：什么是ConcurrentHashMap？漫画：高并发下的HashMap漫画：什么是HashMap？漫画：什么是红黑树？什么是AES算法？（整合版）漫画：什么是SHA系列算法？漫画：什么是MD5算法？漫画：如何破解MD5算法？漫画：什么是Base64算法？什么是A*寻路算法？漫画：什么是布隆算法？漫画：Bitmap算法 整合版漫画...
2019-05-19 00:44:32
143
转载 策略梯度说明
如有错误，欢迎指正。说明策略梯度∇θEx[f(x)]=∇θ ∑xp(x) f(x)=∑x ∇θp(x) f(x)=∑xp(x)【∇θp(x)/p(x)】f(x)=∑xp(x) ∇θlogp(x) f(x)=Ex[f(x) ∇θlogp(x)]策略梯度的损失函数是neg_log_prob =tf.reduce_sum(-tf.log(self.all_act...
2019-05-17 16:44:37
653
转载 AlphaZero实践——中国象棋（附论文翻译）
原创文章，转载请注明出处：AlphaZero实践——中国象棋（附论文翻译）请安装TensorFlow1.0，Python3.5，uvloop项目地址：https://github.com/chengstone/cchess-zero关于AlphaGo和后续的版本AlphaGo Zero等新闻大家都耳熟能详了，今天我们从论文的分析，并结合代码来一起讨论下AlphaZero在中国...
2019-05-09 17:06:18
998
转载 机器学习之集成学习AdaBoostClassifier分类器
# -*- coding: utf-8 -*-"""Created on Mon Dec 3 09:29:22 2018@author: muli"""import matplotlib.pyplot as pltimport numpy as npfrom sklearn import datasets,cross_validation,ensembledef loa...
2019-04-23 09:51:20
764
转载 共轭、对偶、非线性优化拉格朗日法的理解
共轭矩阵有实数矩阵和复数矩阵。转置矩阵仅仅是将矩阵的行与列对换，而共轭转置矩阵在将行与列对换后还要讲每个元素共轭一下。共轭你应该知道，就是将形如a+bi的数变成a-bi，实数的共轭是它本身。所以，实数矩阵的共轭转置矩阵就是转置矩阵，复数矩阵的共轭转置矩阵就是上面所说的行列互换后每个元素取共轭。对偶https://www.zhihu.com/question/38464481/answer...
2019-04-21 10:22:19
689
转载 极大似然估计
目录一、参数估计二、极大释然估计1．似然函数2．极大似然估计（MLE）3．log似然函数4．损失函数5．求极大似然估计的一般步骤三、常见分布的参数估计1．高斯分布2．Bernoulli分布3．二项分布（Binomia）4．多项分布（Multinoull）四、机器学习模型的参数估计1.回归2．线性回归2.1线性回归的极大似然估计...
2019-04-17 22:22:00
2993
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