首页
Python
Java
前端
数据库
Linux
Chatgpt专题
开发者工具箱
小庞专题
sklearn、tensorflow、keras区别与联系--九五小庞
1.sklearn库 sklearn是一个功能强大的Python机器学习库。 sklearn库提供了多种常用的机器学习算法,包括回归、分类、聚类和降维等,适用于那些希望通过预制的算法快速实现原型设计和数据分析的开发者和研究人员。sklearn几乎涵盖了所有常见的机器学习模型和算法,其通过提供一致的界面和简洁的用法,使得机器学习的应用变得简单易行。 首先,sklearn库的主要优势在于其丰富性
阅读更多...
支持向量机、随机森林、K最近邻和逻辑回归-九五小庞
支持向量机(Support Vector Machine, SVM)、随机森林(Random Forest)、K最近邻(K-Nearest Neighbors, KNN)和逻辑回归(Logistic Regression)是机器学习和统计学习中常用的分类算法。以下是这些算法的简要介绍: 1. 支持向量机(SVM) 原理: SVM是一种监督学习算法,主要用于数据分类问题。在高维空间中寻找一个超
阅读更多...
P1-机器学习的核心算法-九五小庞
核心算法 线性回归算法 线性回归是一种预测数值型数据的监督学习算法。它的基本思想是通过学习一个线性模型,使得模型能够尽可能准确地预测实值输出标记。在单变量线性回归中,我们有一个特征(或输入变量)和一个目标变量(或输出变量)。在多变量线性回归中,我们有多个特征和目标变量。 线性回归模型 线性回归模型可以表示为: [ y = \beta_0 + \beta_1 x_1 + \beta_2 x_
阅读更多...
(二)逻辑回归与交叉熵--九五小庞
什么是逻辑回归 线性回归预测的是一个连续值,逻辑回归给出的“是”和“否”的回答 Singmoid sigmoid函数是一个概率分布函数,给定某个输入,它将输出为一个概率值 逻辑回归损失函数 平方差所惩罚的是与损失为同一数量级的情形,对于分类问题,我们最好的使用交叉熵损失函数会更有效,交叉熵会输出一个更大的“损失” 交叉熵损失函数 交叉熵刻画的是实际输出(概率)与期望输出(概率)的距
阅读更多...
(五)网络优化与超参数选择--九五小庞
网络容量 网络中神经单元数越多,层数越多,神经网路的拟合能力越强。但是训练速度,难度越大,越容易产生过拟合。 如何选择超参数 所谓超参数,也就是搭建神经网路中,需要我们自己去选择(不是通过梯度下降算法去优化)的哪些参数。比如,中间层的神经元个数,学习速率。 如何提高网络的拟合能力 增大网络容量 增加层(深度) 增加层会大大提高网络的拟合能力,这也是为什么现在深度学习的层越来越深的原因增
阅读更多...
(一)Python数据分析体系--九五小庞
课程地址:https://space.bilibili.com/387143299/channel/collectiondetail?sid=554734 主要内容 知识体系 分析什么样的数据 为什么使用Python做数据分析 Python近几年的发展势头是有目共睹的,尤其是在科学计算,数据处理,A方面。 Pandas中涉及的主要数据分析实例 机器学习部分涵盖的主要
阅读更多...
(三)softmax分类--九五小庞
softmax分类 对数几率回归解决的是二分类的问题,对于多个选项的问题,我们可以使用softmax函数,它是对数几率回归在N个可能不同的值上的推广 softmax各样本分量之和为1,当只有两个类别时,与对数几率回归完全相同 损失函数的选择 顺序编码-sparse_categorical_crossentropy独热编码-categorical_crossentropy
阅读更多...
(四)优化函数,学习速率与反向传播算法--九五小庞
多层感知器 梯度下降算法 梯度的输出向量表明了在每个位置损失函数增长最快的方向,可将它视为表示了在函数的每个位置向那个方向移动函数值可以增长。 曲线对应于损失函数。点表示权值的当前值,即现在所在的位置。梯度用箭头表示,表明为了增加损失,需要向右移动。此外,箭头的长度概念化地表示了如果在对应的方向移动,函数值能够增长多少。如果向着梯度的反方向移动,则损失函数的值会相应减少。 学习速率
阅读更多...
了解近20年临床检验结果互认的推动-九五小庞
检验结果互认的政策沿革 新冠核酸检测可以说是第一个全国范围内,各医疗机构之间的结果互认项目,也是ICL对于检验结果互认的一个实践。我们对于检验结果互认早在2000年,就已经引起了国家层面的重视,并且联合多部委发布了相关指导意见,在这20年的发展过程中,也不断有相关政策发布。 在这里,我们梳理了部分结果互认的相关关键政策,ICL在国内的发展也接近20年,伴随着检验结果互认的推动,ICL的在医
阅读更多...
机器学习根据金标准标记数据-九五小庞
根据金标准标记数据是一种在机器学习和数据科学中常见的操作,主要用于评估分类模型的性能。其基本步骤如下: 收集数据:首先需要收集相关领域的原始数据,这些数据通常来自不同的来源和渠道。数据清洗和预处理:在这一步,需要对收集到的数据进行清洗和预处理,以消除异常值、缺失值和重复值,确保数据的质量和可用性。金标准标记:金标准标记是对数据进行的一种标准化和规范化的过程。根据领域专家的知识和经验,对收集到的数
阅读更多...
了解近20年临床检验结果互认的推动-九五小庞
检验结果互认的政策沿革 新冠核酸检测可以说是第一个全国范围内,各医疗机构之间的结果互认项目,也是ICL对于检验结果互认的一个实践。我们对于检验结果互认早在2000年,就已经引起了国家层面的重视,并且联合多部委发布了相关指导意见,在这20年的发展过程中,也不断有相关政策发布。 在这里,我们梳理了部分结果互认的相关关键政策,ICL在国内的发展也接近20年,伴随着检验结果互认的推动,ICL的在医
阅读更多...
免费好用的录屏工具 —— EVCapture --九五小庞
下载地址:https://wwfv.lanzoue.com/b022u08ib密码:acdu 1,简介 使用过很多种屏幕录像软件,最终这个软件留下来存到我的工具宝库。 因为界面非常简单友好,功能也很好用。 有时候描述不清楚问题或现象,就干脆录个视频最直接。 功能特点 支持任意选区视频录制支持全屏视频录制支持定时录制支持固定长度录制(每次录制的时间长度固定)支持嵌入摄像头支持画质级别(原画、超清、
阅读更多...
ActiveMQ是什么?-九五小庞
MQ是消息中间件,是一种在分布式系统中应用程序借以传递消息的媒介,常用的有ActiveMQ,RabbitMQ,kafka。ActiveMQ是Apache下的开源项目,完全支持JMS1.1和J2EE1.4规范的JMS Provider实现。特点:1、支持多种语言编写客户端2、对spring的支持,很容易和spring整合3、支持多种传输协议:TCP,SSL,NIO,UDP等4、支持AJAX消息形
阅读更多...
PACS外围硬件--九五小庞
1.串口脚踏本线序:白 4 红6 黑8 2.USB脚踏板(常用) USB脚踏设置软件下载地址https://pmo0158ab-pic2.ysjianzhan.cn/upload/FootSwitchSet20200820.rar 在按键处输入快捷键,写入就可以 3.视频采集卡(常用) 官网:深圳中安视讯科技发展有限公司网站 - 深圳中安视讯科技发展有限公司
阅读更多...