CMMI认证等级从一级到五级共有五个等级,其中CMMI-5为最高等级。能力度等级:属于连续式表述,共有六个能力度等级(0~5)。0 不完整级 1 已执行级 2 已管理级 3 已定义级 4 量化管理级 5 最优化级 通常我们企业的CMMI等级认证从CMMI-1到CMMI-5。 1、初始级:软件过程是无序的,有时甚至是混乱的,对过程几乎没有定义,成功取决于个人努力。管理是反应式的。2、可管理级:建立了            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-03-27 17:21:26
                            
                                119阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            层次分析法(运筹学理论)层次分析法,简称AHP,是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初,在为美国国防部研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时,应用网络系统理论和多目标综合评价方法,提出的一种层次权重决策分析方法。层次分析法是将决策问题按总目标、各层子目标、            
                
         
            
            
            
            为什么要初始化?暴力初始化效果如何?神经网络,或者深度学习算法的参数初始化是一个很重要的方面,传统的初始化方法从高斯分布中随机初始化参数。甚至直接全初始化为1或者0。这样的方法暴力直接,但是往往效果一般。本篇文章的叙述来源于一个国外的讨论帖子[1],下面就自己的理解阐述一下。首先我们来思考一下,为什么在神经网络算法(为了简化问题,我们以最基本的DNN来思考)中,参数的选择很重要呢?以sigmoid            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-04-02 16:11:25
                            
                                131阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            什么是CSS选择器权重?即使在不太复杂的样式表中,要寻找同一元素可能有两个或者更多规则,当同一元素被多个不同来源的样式规则设置了样式后,如何处理样式规则的冲突,显示元素最后的样式,用到的计算规则就是CSS选择器的权重规则。根据选择器的特殊性决定规则的次序。具有更特殊选择器的规则优先于具有一般选择器的规则。如果两个规则的特殊性相同,那么后定义的规则优先。特殊性为了计算规则的特殊性,给每种选择器都分配            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-06-23 13:48:35
                            
                                67阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            # 理解SHAP:计算机器学习模型的特征重要性
在机器学习中,特征重要性对于理解模型的决策过程至关重要。SHAP(SHapley Additive exPlanations)是一种有效的解释机器学习模型输出的方法。本文将带你学习如何使用Python实现SHAP并计算特征的权重。
## 一、实现流程
在开始之前,让我们先了解实现SHAP的基本步骤。下表总结了整个过程:
| 步骤            
                
         
            
            
            
            不同的网站,百度的收录数量、收录效率、关键词排名表现也不大相同,引起这些表现的因素,我们统称为权重。网站权重是搜索引擎给网站(包括网页)赋予一定的权威值,是对网站(含网页)权威的综合评价。一、网站权重因素  提高网站权重,不但利用网站(包括网页)在搜索引擎的排名更靠前,还能提高网站的流量,提高网站信任度。决定网站的权重因素包括原创内容、网站内容量、网站的更新频率、域名在搜索引擎上的年龄、外链的数量            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-10-15 06:48:03
                            
                                169阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            AHP层次分析法分析流程:一、案例背景当前有一项研究,想要构建公司绩效评价指标体系,将一级指标分为4个,分别是:服务质量、管理水平、运行成本、安全生产,现在想要确定4个指标的权重。AHP层次分析法是一种主观赋权法和客观赋权法相结合的方法,近年来,被广泛应用于指标权重的确定。该方法将定量分析和定性分析方法结合,先用专家经验判断指标相对重要程度,再计算权重,比较适合解决难以用定量方法应对的问题。因此本            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-03-01 15:18:00
                            
                                220阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            文章目录CSS的特点继承选择器的权重各种选择器的权重复合选择器单位-长度、颜色长度单位像素(px)百分比(%)颜色单位直接使用颜色名来设置颜色可以使用RGB值来表示颜色使用十六进制的rgb值使用hsl()表示颜色盒子模型(框模型 box model)边框边框颜色border-color边框样式border-style边框宽度border-width边框的简写属性border内边距 padding            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-10-27 12:52:16
                            
                                56阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
             目录0 代码示例1 数据预处理和建模1.1 加载库和数据预处理1.2 训练2 解释模型2.1 Summarize the feature imporances with a bar chart2.2 Summarize the feature importances with a density scatter plot2.3 Investigate the dependence of the             
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-08-14 12:48:50
                            
                                339阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            解释一个机器学习模型是一个困难的任务,因为我们不知道这个模型在那个黑匣子里是如何工作的。但是解释也是必需的,这样我们可以选择最佳的模型,同时也使其健壮。Shap 是一个开源的 python 库,用于解释模型。它可以创建多种类型的可视化,有助于了解模型和解释模型是如何工作的。在本文中,我们将会分享一些 Shap 创建的不同类型的机器学习模型可视化。我们开始吧… 文章目录技术提升安装所需的库导入所需库            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-12-31 15:21:11
                            
                                1316阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            作者:Samuele Mazzanti导读上一篇文章我们说到SHAP值可以用来对黑盒模型进行解释,具备比简单的逻辑回归更好的实际意义,那么SHAP值到底是什么?有什么实际意义?如何计算?揭开神秘的面纱在上次的文章中,我们看到SHAP值可以用来解释机器学习方法的决策。换句话说,我们使用SHAP来揭开黑箱模型的神秘面纱。到目前为止,我们利用了Python的SHAP库,而没有过多考虑它是如何工作的。足够            
                
         
            
            
            
            # Android Shap:自定义形状和样式
在Android开发中,我们经常需要自定义控件的样式和形状,以使应用程序更加独特和吸引人。Android提供了一个强大的工具,即Shape Drawable(Shap),可以帮助我们轻松地实现这个目标。本文将介绍Android Shap的基础知识,并提供一些实际的代码示例。
## 什么是Shape Drawable?
Shape Drawabl            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2024-01-04 12:45:15
                            
                                96阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            ### 实现“shap python”流程
首先,我们来看一下实现“shap python”的流程。具体步骤如下:
```mermaid
flowchart TD
    A[了解shap库] --> B[安装shap库]
    B --> C[导入shap库]
    C --> D[准备数据]
    D --> E[构建机器学习模型]
    E --> F[解释模型的预测结果]
``            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2023-09-29 03:58:09
                            
                                128阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            目录    
     前言 
          
     为什么要修改预训练权重shape? 
          
     如何修改预训练权重shape? 
          
     在哪修改预训练权重shape? 
     前言最近太忙没时间细致的写,所以这篇讲的是思想,不是实际代码,大家意会一下。因为GPU有限,这篇文章讲的有些东西只是我自己的观点,缺乏实验证明,欢迎大家批            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-01-08 17:50:24
                            
                                149阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            # 如何实现 Python SHAP
## 1. 流程概述
在实现 Python SHAP 过程中,我们可以按照以下步骤进行操作:
```mermaid
erDiagram
    PARTICIPANT as 开发者
    PARTICIPANT as 小白
    开发者 -> 小白: 教学
```
1. 安装 SHAP 库
2. 准备数据
3. 训练模型
4. 解释模型结果
##            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2024-04-05 03:47:29
                            
                                132阅读
                            
                                                                             
                 
                
                             
         
            
            
            
             文章目录一、前言二、模块安装三、图片美化1、祛痘2、词云——我不只是一张图3、风格迁移——努力变成你喜欢的样子4、图中图——每一个像素都是你5、切换背景——带你去旅行6、九宫格——一张照片装不下你的美7、图片二维码——冰冷的图里也饱含深情 一、前言Python中有许多用于图像处理的库,像是Pillow,或者是OpenCV。而很多时候感觉学完了这些图像处理模块没有什么用,其实只是你不知道怎么用罢了            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-10-27 19:31:24
                            
                                411阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            为什么要使用Boosting?单一模型的预测往往会有缺陷,为了解决复杂的问题,我们需要集成学习通过组合多个模型来提高机器学习的预测性能。视频:Boosting集成学习原理与R语言提升回归树BRT预测短鳍鳗分布生态学实例假设给定包含猫和其他动物图像的数据集,您被要求构建一个模型,可以将这些图像分为两个单独的类。像其他人一样,您将首先使用一些规则来识别图像,如下所示:图像有尖耳朵:图像判断为猫图像有一            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-07-27 11:18:54
                            
                                262阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            前言:机器学习很大一个问题是可解释性较差,虽然在RandomForest、LightGBM等算法中,均有feature_importance可以展现模型最重要的N个特征,但是对于单个样本来说情况可能并不与整体模型一致,所以就需要使用SHAP等算法将每个样本中不同特征的贡献度用数值展现出来。准备工作:首先还是需要传统的数据清洗、建模等,记得安装和导入shap库pip install shap注:我安            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-06-03 09:09:22
                            
                                1195阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
               python的scikit-learn包下有计算tf-idf的api,研究了下做个笔记1 安装scikit-learn包sudo pip install scikit-learn2 中文分词採用的jieba分词,安装jieba分词包sudo pip install jieba3  关于jieba分词的使用很easy,參考这里,关键的语句就是(这里简单试水,不追求            
                
         
            
            
            
            # 学习如何实现 Android Shape 属性
在 Android 开发中,Shape 属性常用于自定义视图的外观,如按钮、背景等。ShapeDrawable 是一个非常强大的类,它允许我们通过 XML 定义简单的形状和颜色,实现一些复杂的视觉效果。本文将指导刚入行的小白如何实现 Android Shape 属性,并进行详细解析。
## 实现流程
首先,我们将整个实现过程分为以下步骤: