简介 降维是由一些问题带来的： 可以缓解由维度诅咒（高维）带来的问题； 可以用来压缩数据，将损失数据最小化； 可以将高维数据降到低维进行可视化。 主成分分析（Principal components analysis，简…
Python手把手构建蚁群算法（ACO）实现最优化搜索
简介 蚁群算法（Ant Colony Optimization，简称ACO）是由Marco Dorigo于1992年发明的一种启发式算法，是通过模拟蚁群寻找食物的过程发现最短路径的行为。和粒子群算法一样，它也属于群集智能…
Python手把手构建粒子群算法（PSO）实现最优化搜索
简介 粒子群算法（Particle Swarm optimization，简称PSO）是由Eberhart博士和kennedy博士发明的一种启发式算法，是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通…
基于GBDT和GM算法对全球变暖的多尺度研究
问题背景 “温室效应”是地球上早已存在的自然现象，大气中的某些成分如二氧化碳、水等气体，能让太阳光短波辐射通过，但可以强烈地吸收长波辐射，从而影响地气系统的能量平衡[1]，使地球就像罩了一层玻璃的温室一样，导致地表大气温…
Python手把手构建模拟退火算法（SA）实现最优化搜索
简介 模拟退火算法得益于材料的统计力学的研究成果。统计力学表明材料中粒子的不同结构对应于粒子的不同能量水平。在高温条件下，粒子的能量较高，可以自由运动和重新排列。在低温条件下，粒子能量较低。如果从高温开始，非常缓慢地降温…
Python手把手构建遗传算法（GA）实现最优化搜索
简介 遗传算法（Genetic Algorithm）顾名思义，是一种基于自然选择原理和自然遗传机制的启发式搜索算法。该算法通过模拟自然界中生物遗传进化的自然机制（选择、交叉和变异操作），将好的遗传基因（最优目标）不断遗传…
Python数据挖掘——线性回归
简介 Python之所以如此受欢迎的一个原因就在于它能够应用于数据分析和挖掘方面的工作。不仅是在工业化运用还是在科学研究中，Python提供了非常方便和高性能的应用接口，是人们只需要关注数据本身，而不需要花太多的精力在方…
谈谈TensorFlow工业级别的API——Estimator
简介 正如TensorFlow的官网所示：TensorFlow 提供一个包含多个 API 层的编程堆栈其架构图如下。用户可以任意选择不同级别的API进行自己模型的构建。而本篇文章就最高级别的API——Estimator进…
预热TensorFlow2.0——IRIS数据集实战
简介 TensorFlow 2.0 即将问世，很多API该删的删，该改的改。在这篇文章中我就2.0 版本中以下两点更新，为大家做一下预热(注意：笔者使用的是tensorflow1.9版)。 在tensorflow2.0中…
ResNet网络识别验证码实战练习——高准确率的机器学习模型
简介 在使用Python+Tensorflow的CNN技术快速识别验证码一文中，我们使用了3层简单的CNN卷积神经网络完成了验证码的识别，准确率不是特别高。虽然ResNet网络经常使用，但是一直没有时间来测试之前的验证码…
TensorFlow Eager Execution入门简介
简介 TensorFlow Eager Execution（动态图）模式在TensorFlow 1.8版本中开始引入，相比传统的Graph Execution模式有了很大的进步。该模式能够快速调试，使用Python原生控…
期待TensorFlow 2.0的到来
简介 GDG（Google Developer Groups）今年在上海站举办了第8届DveFest，今年的主题是《build for digital wellbeing》。有意思的是，今年Tensorflow Day也…
Python+GBDT算法实战——预测实现100%准确率
— 全文阅读3分钟 — 在本文中，你将学习到以下内容： GBDT算法实现 模型保存 模型加载及预测 前言 GBDT属于Boosting算法，它是利用损失函数的负梯度方向在当前模型的值作为残差的近似…
"笨方法"学习CNN图像识别（三）—— ResNet网络训练及预测
— 全文阅读8分钟 — 在本文中，你将学习到以下内容： TensorFlow中调用ResNet网络 训练网络并保存模型 加载模型预测结果 前言 在深度学习中，随着网络深度的增加，模型优化会变得越来…
"笨方法"学习CNN图像识别（二）—— tfrecord格式高效读取数据
— 全文阅读5分钟 — 在本文中，你将学习到以下内容： 将图片数据制作成tfrecord格式 将tfrecord格式数据还原成图片 前言 tfrecord是TensorFlow官方推荐的标准格式，…