原创 python容器類型的常見操作總結

1、list列表(可變的) (1)基本操作 list列表中可存儲不同元素類型的數據,通過索引訪問相應的元素,類似於數組的操作方式; append()方法再在尾部追加元素; insert(索引號, 插入內容)實現在指定位置插入元素

原创 機器學習之簡單神經網絡

0、引言 在感知機一節中講到感知機是一種線性模型,存在的缺點是很難解決非線性問題,比如異或(XOR)就是一種典型的線性不可分的問題,因此有了神經網絡,通過在感知機的結構中添加隱藏層來擬合非線性問題。 1、原理 後續補充。。。。。

原创 城市功能區與人羣流動研究論文閱讀——《Simultaneous Urban Region Function Discovery...》

Simultaneous Urban Region Function Discovery and Popularity Estimation via an Infinite Urbanization Process Model

原创 論文筆記1:《論恐怖襲擊風險評估的多源性因素》

論恐怖襲擊風險評估的多源性因素 On the Risk Assessment of Terrorist Attacks Coupled with Multi-Source Factors 這是ISPRS期刊2018年8月份的一篇論

原创 k近鄰法(KNN)

1.概念與目的 k近鄰法(k-Nearest Neighbor,簡稱kNN)學習是一種常用的監督式學習方法。 給定測試樣本,基於某種距離度量找出訓練集中與其最靠近的k個訓練樣本,然後基於這k個“鄰居”的信息來進行預測。通常,在分類

原创 idea圖形快捷操作實現阿里雲git項目的管理

0、準備工作(已準備好的直接跳過) 1、安裝好本地git環境,可參考以下博客: https://blog.csdn.net/ynzhang_it/article/details/104001168 2、首次需通過Git Bash

原创 機器學習之樸素貝葉斯分類器/貝葉斯網絡

1、貝葉斯判定準則 定義:爲最小化總體風險,只需在每個樣本上選擇那個能使條件風險R(c|x)最小的類別標記,即: 此時,h*稱爲貝葉斯最優分類器。 2.樸素貝葉斯分類器 樸素貝葉斯是基於貝葉斯定理和特徵條件獨立假設的分類方法.

原创 邏輯迴歸模型(Logistic)實戰應用——文本分類

承接之前寫的“機器學習之線性模型”的那篇文章,這裏運用邏輯迴歸模型實現對文本的一個大體分類,目的是進一步熟悉邏輯迴歸的運用和sklearn工具包的使用,理解各參數代表的含義,並沒有特意做數據處理、特徵工程和模型優化方面的考慮來提高

原创 Javaweb和微信小程序項目部署阿里雲服務器總結(上)

談到微信小程序的java後臺怎麼部署在阿里雲服務器上的問題,彎彎繞繞,好多坑,網上的博客資料也特別亂,博主也是在沒有任何經驗和指導下花了幾天的工夫才完成的。這裏爲了方便大家不踩坑,總結了下整個流程和注意事項,由於篇幅原因,只講重

原创 數據庫id自增重排序問題

數據庫id自增重排序問題解決 問題描述 在做javaweb項目的過程中,使用SSM框架,發現操作數據庫的增刪查改功能時,數據庫的主鍵id不會重新排序,導致數據量一多,id值特別大特別亂,於是給出以下的解決方案。 MySQL中直接操

原创 python四大數據類型總結

1、數值型 Python 中的數據皆是對象,比如被熟知的 int 整型對象、float 雙精度浮點型、bool 邏輯對象,它們都是單個元素。 2、容器型 可容納多個元素的容器對象,常用的比如:list 列表對象、 tuple 元組

原创 轉載:機器學習中正則化項L1和L2的直觀理解

轉自:此處 對於機器學習中常碰到的正則化L1和L2一直比較模糊,偶然看到了一篇比較好的博客分享給大家。對原文我精簡了下要點,同時文章底下的評論內容也可以看看解答自己的疑惑。 L1正則化 和 L2正則化,或者說 L1範數 和

原创 python兩大特性和四大基本語法

1、兩大特性 動態語言:類型檢查發生在程序運行階段,常用的一些腳本語言;而類型檢查發生在程序的編譯階段則爲靜態語言,如java,c++,c等。 強類型語言:不管是在編譯階段還是運行階段,一旦某種類型綁定到變量後,此變量便會持有此

原创 交通事故預測—《Traffic Accident’s Severity Prediction: A Deep-Learning Approach-Based CNN Network》

一、文章信息 《Traffic Accident’s Severity Prediction:A Deep-Learning Approach-Based CNN Network 》,2019年Access上的一篇文章。 二、摘要

原创 交通事故預測——《RiskOracle: A Minute-level Citywide Traffic Accident Forecasting Framework》

1、文章信息 AAAI頂級會議,2020年的一篇關於利用深度學習模型進行交通事故預測的文章,文章標題爲:RiskOracle: A Minute-level Citywide Traffic Accident Forecasti