1、CNN模型压缩方法        VGG将卷积核尺寸从7*7缩小为3*3,减少参数        GoogleNet的一个inception每条路径经过1*1,降维        Res            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2024-05-09 14:38:35
                            
                                113阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            一,特征压缩搜索以一个简单的问题为例。有4个党支部,分别有20人,20人,10人,10人。现在要安排30人去A影厅看电影,安排30人去B影厅看电影,但是同一党支部的人必须在同一个电影院。每个影厅的座位号都是从1到30编号,这4个党支部的人            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2022-03-25 14:01:33
                            
                                86阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            gzip 1f 8b 08
lzma 6c 00
zlib 78 9c
             
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                            精选
                                                        
                            2013-03-21 00:20:27
                            
                                10000+阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            与数据降维相同,特征提取和转换也是处理大数据的一种常用方法和手段,其目的是创建新的能够代替原始数据的特征集,更加合理有效地展现数据的重要内容。特征提取指的是由原始数据集在一定算法操作后创建和生成的新的特征集,这种特征集能够较好地反映原始数据集的内容,同时在结构上大大简化。 MLlib中目前使用的特征提取和转换方法主要有TF-IDF、词向量化、正则化、特征选择等。1.TF-IDFMLlib中使用TF            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-12-18 13:11:26
                            
                                83阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            引言降维是关于摆脱“无信息的信息”的同时保留关键点。有很多方法可以定义“无信息”。PCA 侧重于线性依赖的概念。我们将数据矩阵的列空间描述为所有特征向量的跨度。如果列空间与特征的总数相比较小,则大多数特征是几个关键特征的线性组合。如果在下一步管道是一个线性模型,然后线性相关的特征会浪费空间和计算能力。为了避免这种情况,主成分分析尝试去通过将数据压缩成更低维的线性来减少这种“绒毛”子空间。在...            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2021-06-05 16:41:15
                            
                                411阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            特征工程概述一、特征工程概述特征工程 = 数据准备(for            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2018-05-26 17:51:47
                            
                                811阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            一、特征选择–与降维的差异相同点:效果一样,都是试图减少数据集            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2018-06-14 13:37:45
                            
                                235阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            一、连续型变量1.1 连续变量无量纲化1.2 连续变量数据变换1.3 连续变量离散化二、类别变量编码三、时间型、日期型变量转换四、 缺失值处理五、 特征组合 一、连续型变量1.1 连续变量无量纲化无量纲化: 使不同规格尺度的数据转化统一规格尺度(将数据单位统一)无量纲化方法:标准化, 区间所方法    x′=x−x¯¯¯σ             
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2018-06-14 13:09:06
                            
                                229阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            注意:1.本系列所有的文章主要是梯度提升树模型展开的,抽取的特征主要为帮助梯度提升树模型挖掘其挖掘不到的信息,本文介绍的所有特征都可以当做特征直接加入模型,和基于神经网络的策略有些许差别;2. 因篇幅过多            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2022-04-22 23:38:55
                            
                                10000+阅读
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            HOG特征:方向梯度直方图(Histogram of Oriented Gradient,)特征是一种全局图像特征描述子。 它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行...            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2017-03-16 15:32:00
                            
                                558阅读
                            
                                                                                    
                                2评论
                            
                                                 
                 
                
                             
         
            
            
            
            https://scm_mos.gitlab.io/slam/text_feature/            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2023-02-05 09:55:08
                            
                                170阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            1. 最基本那肯定是STFT,说白了就是FFT加窗。有人肯定说这不算是feature,因为这是raw data,但是现在深度学习已经越来越多的使用这种raw data作为“feature” 输入到网络让模型自己学习其中的特征。其物理含义也十分明确:就是把时间信号转换为时间-频率的信号,根据FFT的窗长和选择的窗函数来决定时间-频率分辨率的tradeoff。说白了就是直接让你看每一段时间内的频率成分            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-12-20 09:36:15
                            
                                123阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            原创 lightcity 光城 2018-10-14特征工程之特征关联      0.说在前面1.皮尔逊2.pointbiserialr系数3.Spearman's 系数4.总结5.作者的话0.说在前面昨天学习了seaborn绘制图形,以及单变量与多变量之间的绘图,那么今天从统计学角度实战分析在处理特征工程过程中所涉及的三个相关系数(具体的三个系数数学推导,在后续更新)。为了更好的便于大家的交流,            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2021-03-18 13:33:07
                            
                                359阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            特征提取——颜色特征
颜色直方图
OpenCV之颜色空间:
颜色空间RGB(Red 红色,Green 绿色,Blue 蓝色)
R的取值范围:0-255
G的取值范围:0-255
B的取值范围:0-255
颜色空间HSV (Hue 色相,Saturation 饱和度,intensity 亮度)
H的取值范围:0-179
S的取值范围:0-255
V的取值范围:0-255
颜色空间HLS (Hue 色            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                    
                            2023-06-07 18:28:10
                            
                                2543阅读
                            
                                                                             
                 
                
                             
         
            
            
            
              
 ---脚本语言(scripting language) 
 ---高级动态编程语言 
 简单易学 
 Python是一种代表简单主义思想的语言。Python的这种伪代码本质是它最大的优点之一。它使你能够专注于解决问题而不是去搞明白语言本身。Python有极其简单的语法,极易上手。 
 解释性&编译性 
 -Python语言写的程序不需要编译成二进制代码。可以直接从源代码运行程序,但            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2023-08-12 22:35:14
                            
                                96阅读
                            
                                                                             
                 
                
                             
         
            
            
            
            使用Nginx作为web应用服务时,会代理如下常见文件:js、css、JSON、图片等,本文提供基于Nginx内置的压缩技术,提供网络请求响应速度的解决方案。
网络压缩的原理是消耗CPU资源,减少文件在公网传输的大小,提高响应速度。相比于CPU的计算资源,网络带宽通常较为昂贵,因此通过CPU资源置换网络带宽资源在实际生产中是可行的操作方案。            
                
                    
                        
                                                            
                                                                        
                                                                                        原创
                                                                                            精选
                                                        
                            2022-02-08 09:04:05
                            
                                2187阅读
                            
                                                        
                                点赞
                            
                                                                             
                 
                
                                
                     
                                    
                             
         
            
            
            
            病毒特征,也算是老掉牙的东西了,本不该拿出来,但作为病毒专区,我想这样的文章还是贴一些为妙,至少能让人看出自己是不是中毒了。
这种特殊程序有以下几种特征: 未经授权而执行。一般正常的程序是由用户调用,再由系统分配资源,完成用户交给的任务。其目的对用户是可见的、透
明的。而病毒具有正常程序的一切特性,它隐藏再正常程序中,当用户调用正常程序时窃取到系统的控制权,先于正常程序执行,病毒            
                
                    
                        
                                                            
                                                                        
                                                                                        转载
                                                                                    
                            2010-01-09 16:28:39
                            
                                383阅读