-
三、数据预处理
三、数据预处理 为 Scikit-Learn 转换 Pandas 类别数据 删除带缺失值的观测 删除缺失值 检测离群点 离散化特征 编码序数类别特征 创建比例映射 使用下采样处理不平衡类 使用上采样处理不平衡类别 处理离群点 选择 1：丢弃 选择 2：标记 选择 3：重缩放 使用均值填充缺失值 拟合填充器 填充缺失的类标签 ... -
序列模型和 LSTM 网络(长短记忆网络）
序列模型和 LSTM 网络(长短记忆网络） Pytorch 中的 LSTM 例子: 用 LSTM 来进行词性标注 练习: 使用字符级特征来增强 LSTM 词性标注器 序列模型和 LSTM 网络(长短记忆网络） 译者：@JingTao 、@friedhelm739 之前我们已经学过了许多的前馈网络. 所谓前馈网络, 就是网络中不会保存状态... -
配置项声明方式
配置项声明方式 G2除了支持函数调用方式外，也支持图形语法的配置项式声明方式。 为 Chart 对象新增 options 属性，用于支持配置项式声明。 复制代码const chart = new G2 . Chart ({ width : 1000 , height : 500 , data :... -
torch.utils.cpp_extension
torch.utils.cpp_extension torch.utils.cpp_extension.CppExtension(name, sources, args, *kwargs) torch.utils.cpp_extension.CUDAExtension(name, sources, args, *kwargs) torch.utils.c... -
6.9 Trie树
6.9 Trie树 方法介绍 1.1、什么是Trie树 1.2、树的构建 1.3、查询 问题实例 6.9 Trie树 方法介绍 1.1、什么是Trie树 Trie树，即字典树，又称单词查找树或键树，是一种树形结构。典型应用是用于统计和排序大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是最大限度地减少无谓... -
6.9 Trie树
6.9 Trie树 方法介绍 1.1、什么是Trie树 1.2、树的构建 1.3、查询 问题实例 6.9 Trie树 方法介绍 1.1、什么是Trie树 Trie树，即字典树，又称单词查找树或键树，是一种树形结构。典型应用是用于统计和排序大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。它的优点是最大限度地减少无谓... -
九：性能优化
性能优化的重要性 评估函数的局部刷新 米子进攻路径优化 冲四延伸 其他一些技巧 性能优化的重要性 前面讲到的置换表其实就是最常见的一种性能优化方式。他不不会对棋力有负面影响（不会剪掉不该剪掉的分支），但是能提升运算速度从而达到提升棋力的作用。如果你把前面几章讲的技术都运用了，那么大约能实现 8 层深度的搜索，对战业余玩家会有很高的胜率。不过如果... -
第十四题 Prim算法
一：最小生成树 二：Prim算法 三：代码 1. 图的存储 2：矩阵构建 3：Prim 图论在数据结构中是非常有趣而复杂的，作为web码农的我，在实际开发中一直没有找到它的使用场景，不像树那样的频繁使用，不过还是准备 仔细的把图论全部过一遍。 一：最小生成树 图中有一个好玩的东西叫做生成树，就是用边来把所有的顶点联通起来... -
2.2.4 内存类型
我们有必要花一些时间来了解一下目前流行的内存，以及那些即将流行的内存。首先从SDR(单倍速)SDRAM开始，因为它们是DDR(双倍速)SDRAM的基础。SDR非常简单，内存单元和数据传输率是相等的。 在图2.10中，DRAM单元阵列能以等同于内存总线的速率输出内容。假设DRAM单元阵列工作在100MHz上，那么总线的数据传输率可以达到100Mb/s。... -
自动差异化包 - torch.autograd
自动差异化包 - torch.autograd torch.autograd.backward(variables, grad_variables, retain_variables=False) torch.autograd.grad(outputs, inputs, grad_outputs=None, retain_graph=None, creat...
