Python机器学习基础实战指南：NumPy、Pandas、Matplotlib三剑客完全教程
Python机器学习基础实战指南：NumPy、Pandas、Matplotlib三剑客完全教程Python凭借其简洁的语法和丰富的科学计算库，已成为数据科学和机器学习领域的首选语言。本文将详细介绍机器学习三大基础库：NumPy（数值计算）、Pandas（数据处理）和Matplotlib（数据可视化）的核心用法，帮助读者快速掌握数据分析的基础技能。 一、NumPy数值计算库NumPy（Numeric
分类：: 机器学习
TensorFlow监督学习实战笔记：图像分类、文本分类和模型保存
TensorFlow监督学习实战笔记记录用TensorFlow做监督学习的实战经验，包括图像分类、文本分类、模型保存和超参数调优。 回归 vs 分类 类型 应用场景 输出类型 常见算法 回归 房价预测、股价预测 连续值 线性回归、神经网络回归 分类 图像识别、垃圾邮件检测 离散类别 CNN、RNN、Transformer 核心概念： 训练数据：包含输入特征和对应标签 特征（Fe
TensorBoard使用笔记：训练过程可视化踩坑记录
TensorBoard使用笔记记录TensorBoard的安装配置和常用功能，TensorFlow和PyTorch都能用。 安装与启动12345678# 使用conda环境conda activate pythonProject2# 安装TensorBoardpip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple# 如
TensorFlow踩坑实录：从张量到神经网络的实战经验
TensorFlow踩坑实录：从张量到神经网络的实战经验折腾TensorFlow的时候踩了不少坑，记录一下核心概念和代码实现，主要是张量操作、Session管理和神经网络搭建这几个部分。 张量到底是什么TensorFlow用数据流图做计算，节点是数学操作，边是张量（多维数组）。名字就是这么来的——张量在节点间流动。 维度 实际对应 例子 0阶 单个数字 1 1阶 数组 [1, 2,
强化学习踩坑记录：从环境搭建到DQN实现
强化学习踩坑记录之前做强化学习项目时，从环境搭建到算法实现走了不少弯路，这里记录一下过程。 机器学习基础环境搭建CentOS环境TensorFlow安装Python 3.8安装在CentOS 7/8上使用yum从第三方仓库安装Python 3.8： 12345678910111213# 注册SCL仓库yum install -y centos-release-scl# 安装Python
敏感词过滤踩坑记录：DFA算法TypeScript实现
敏感词过滤踩坑记录在做游戏聊天功能时，需要实现敏感词过滤。对比了几种方案后，最终选择了DFA算法。这里记录一下实现过程和踩过的坑。 敏感词过滤算法对比常见算法方案 算法 时间复杂度 空间复杂度 特点 适用场景 暴力匹配 O(nmk) O(1) 实现简单，效率低 词库小、实时性要求低 Trie树 O(n) O(m*k) 前缀匹配，效率较高 前缀匹配场景 DFA O(n) O(m*k