python - 极客日志 (Page 3)

算法

python数据分析从入门到进阶：分类算法：下（含详细代码）

🍁1.前言在上一篇文章中，我们介绍了如何对mnist数据集建立一个二分类模型，我们当时解决的问题是给我一张图片，判断是否是数字7，但是我们不仅仅对数字7感兴趣，我们希望给我一张任意的图片，计算机能告诉我这张图片是数字几。这是一个多分类问题。一些算法（如SGD分类器、随机森林分类器和朴素贝叶斯分类器）能处理多个类。其他（如logistic回归）是严格的二元分类器。但是我们可以通过一些策略来实现使用二分类器进行多分类 * OvR：一种方法是对于0-9十个类别，我们对每个类建立一个二分类器。判断是否属于该类，具体实现方法是，给我一张图片，分别使用这十个分类器预测属于该类的概率。选择概率最大的那一类作为预测结果 * OvO：另一种方法是对于0-9十个类别，每一次选两个类别进行比较，比较属于哪一类的概率更大。对于minist数据集，则必须在所有45个分类器进行比较，看看哪个类赢的最多。OvO的主要优点是，每个分类器只需要在训练集的一部分进行训练，即选择需要区分的两个类的数据集。然而，对于大多数二进制分类算法，OvR是首选。当我们使用二分类器来处理多分类任务时，sklearn会自

算法

机器学习中的CatBoost算法

我们经常遇到包含分类特征的数据集，为了将这些数据集拟合到Boosting模型中，我们对数据集应用各种编码技术，例如One-Hot编码或标签编码。但是应用One-Hot编码会创建一个稀疏矩阵，这有时可能导致模型的过拟合，我们使用CatBoost来处理这个问题。CatBoost可以自动处理分类特征。什么是CatBoost CatBoost或Categorical Boosting是由Yandex开发的开源boosting库。它被设计用于具有大量独立特征的回归和分类等问题。 Catboost是梯度提升的一种变体，可以处理分类和数值特征。它不需要任何特征编码技术，如One-Hot Encoder或Label Encoder将分类特征转换为数值特征。它还使用了一种称为对称加权分位数草图（SWQS）的算法，该算法自动处理数据集中的缺失值，以减少过拟合并提高数据集的整体性能。 CatBoost的特点 * 用于处理分类特征的内置方法 - CatBoost可以处理分类特征，而无需任何特征编码 * 处理缺失值的内置方法 -与其他模型不同，CatBoost可以轻松处理数据集中的任何缺失值 *

算法

豆瓣高分！万人期待的《算法图解（第2版）》终于来了！

著名计算机科学家 Niklaus Wirth 曾说过：程序＝数据结构＋算法。数据结构是程序的骨架，而算法则是程序的灵魂。二者缺一不可，相辅相成。数据结构提供了存储和组织数据的框架。算法则定义了在这个框架内如何操作数据以实现特定的功能。没有良好的数据结构，算法可能无法高效运行；而没有算法，数据结构也无法发挥其应有的作用。因此，程序设计不仅仅是编写代码，更重要的是设计合适的数据结构和算法来解决实际问题。算法涉及的知识复杂、抽象且内容庞大，这也难怪有些算法名著动不动都是几百页起的大部头。内容有难度，而且坚持学习下去也需要一定的勇气。如果有一本书可以将算法里的重点难点拆解并用图的方式展示给你，内容就像小说一样，让你看完一页还想继续往下看，这样的书，是不是所有算法学习困难者的心之所想。《算法图解》就是这样一本书，它用最朴实的语言讲明白了数组、栈、图、基础数据结构等算法基础知识。算法部分更是图示步骤、原理解析超级详细。很多算法例子都是根据示例场景进行的，比如地图最短路径，大数据分析，AI 等。举例的同时还会为大家分析算法的执行效率。这本不可多得，深受读者喜爱的好书如今销量已经

python

最安全的Hash算法-Bcrypt原理及示例

一、引言在当今这个数字化的世界中，数据的安全性变得越来越重要。密码是保护个人和企业数据的关键，然而，如何安全地存储和验证密码却是一个持续的挑战。bcrypt是一种解决这个问题的优秀加密算法，它结合了密码哈希函数和加密算法，使得密码验证过程既安全又高效。二、bcrypt原理 bcrypt是一种基于哈希函数的加密算法，它使用一个密码和一个盐值作为输入，生成一个固定长度的密码哈希值。这个哈希值在每次密码输入时都会重新生成，而且会随着盐值的改变而改变。bcrypt的盐值是一个随机生成的字符串，与密码一起用于哈希函数中，使得相同的密码在每次加密时都会生成不同的哈希值。 bcrypt的另一个重要特点是它使用了一个加密算法来混淆密码哈希值。这个加密算法使用一个密钥和一个初始化向量（IV）来加密密码和盐值。加密后的数据被存储在数据库中，用于后续的密码验证。 bcrypt的加密过程可以分为以下几个步骤： 1. 生成盐值：bcrypt使用一个随机数生成器生成一个随机的盐值。这个盐值是一个随机的字符串，用于与密码一起生成哈希值。 2. 混合盐值和密码：将密码和盐值混合在一起，然后使用一

算法

太强了，一位算法大神的Python笔记

当前，深度学习模型的规模越来越大，例如谷歌的BERT模型、OpenAI的GPT系列模型等；深度学习算法在不断优化，例如计算机视觉领域，图像分类的准确率显著提升；深度学习的应用领域在不断拓展，在医疗、金融等领域也得到了广泛应用。因此，从事深度学习相关工作，需要不断学习和巩固基础知识，提升业务实践能力，持续关注新技术和新方法，并不断拓展知识面。 BERT模型（左） GPT系列模型（右）一年前，我们重磅推出了一本深度学习领域的“学霸笔记”——《深度学习高手笔记卷1：基础算法》（简称卷1），读者纷纷表示这本书知识全面，读完之后受益匪浅，并且疯狂催促我们出版后续的书。现在，它来了！《深度学习高手笔记卷2：经典应用》 ▼点击下方，即可购书同样的作者，更全面的内容，有了这本笔记，你就可以了解到近10年来深度学习在各个领域的进展，学会如何应用不用方向、不同领域的算法；有了这本笔记，你就可以在深度学习领域少走弯路，更快地掌握深度学习技术的精髓。让我们一起跟随这本书，深入探索深度学习的奥秘，成为真正的算法大神吧！ Part.

大前端

【技术】AI算法实现武侠小说中的“绝世武功”——动作残影特效！

简说Python推荐作者：千与千寻，北京大学硕士，CSDN优质博主来源：AI学习经历分享 One old watch, like brief python 创作背景 “飞雪连天射白鹿，笑书神侠倚碧鸳”，相信很多90后知道这副对联的含义，这是武侠小说作家金庸先生的作品合集，说实话在所有的作品中我最喜欢的是倚天屠龙记和天龙八部，应该说基本都喜欢，但是这两部中的爱恨情仇最为突出，倚天屠龙记中周芷若和赵敏，张无忌，再到天龙八部中的乔峰。说起来武侠小说中的武林高手是真的帅！现在的电影制作技术越来越高超了，武术特效做的效果的做的真的很酷炫。最为酷炫的一个是残影特效，说到残影特效，我们直接上效果！ ‍ ‍ ‍‍以上是天龙八部中的灵鹫宫宫主虚竹与鸠摩智进行比武时的武功展示，看得出来残影效果真的给人一种感觉武功深不可测的感觉，那种这种酷炫的残影效果是怎么实现的呢？今天就让我们使用百度开源的深度学习框架飞桨来实现这样的视频残影效果。在实践历程中我们使用了Paddle框架所集成的Paddlehub的深度学习模型库，Paddlehub中包含了很多的深度学习的预训练模

算法

目标检测算法

目标检测算法 * * * * * * 目标检测算法一、引言目标检测是计算机视觉领域中的一个重要任务，旨在从图像或视频中识别并定位出目标物体的位置和类别。随着深度学习技术的快速发展，目标检测算法的性能得到了显著提升。本文将对目标检测算法进行详解，包括其基本原理、主流算法以及应用场景等方面。二、目标检测算法基本原理目标检测算法的基本原理是通过训练一个深度学习模型，使其能够自动学习图像中目标物体的特征表示，并在测试阶段根据这些特征表示对输入图像进行目标物体的识别和定位。目标检测算法通常包括两个主要部分：特征提取和目标定位。 1. 特征提取：特征提取是目标检测算法的核心之一，其目的是从输入图像中提取出与目标物体相关的特征信息。传统的目标检测算法依赖于手工设计的特征提取器，如Haar特征、SIFT特征等。然而，随着深度学习技术的发展，卷积神经网络（CNN）等深度学习模型在特征提取方面表现出了更强大的能力。通过训练一个深度卷积神经网络，可以自动学习到图像中的层次化特征表示，从而更好地描述目标物体的属性。 2. 目标定位：目标定位是目标检测算法

算法

二分查找-排序-递归-算法实现

# 查找元素在列表中的位置 def binary_search(lst, item): low = 0 # low和high用于跟踪要在其中查找的列表部分 high = len(lst)-1 while low <= high: #←-------------只要范围没有缩小到只包含一个元素， mid = (low + high) // 2 #←-------------就检查中间的元素 guess = lst[mid] if guess == item: #←-------------找到了元素 return mid if guess > item: #←-------------猜的数字大了 high = mid - 1 else: #←---------------------------猜的数字小了 low = mid + 1 return None #←-------------------

算法

GitHub 标星 15w，如何用 Python 实现所有算法？

👇我的小册 40章+教程:() ，目前已经300多人订阅来源：大数据文摘编译：周素云、蒋宝尚学会了 Python 基础知识，想进阶一下，那就来点算法吧！毕竟编程语言只是工具，结构算法才是灵魂。新手如何入门 Python 算法？几位印度小哥在 GitHub 上建了一个各种 Python 算法的新手入门大全。从原理到代码，全都给你交代清楚了。为了让新手更加直观的理解，有的部分还配了动图。 https://github.com/TheAlgorithms/Python 这个项目主要包括两部分内容：一是各种算法的基本原理讲解，二是各种算法的代码实现。算法的代码实现算法的代码实现给的资料也比较丰富，除了算法基础原理部分的 Python 代码，还有包括神经网络、机器学习、数学等等代码实现。例如在神经网络部分，给出了 BP 神经网络、卷积神经网络、全卷积神经网络以及感知机等。

算法

基于yolov5算法的安全帽头盔检测源码+模型，Pytorch开发，智能工地安全领域中头盔目标检测的应用

基于yolov5算法的安全帽头盔检测|Pytorch开发+源码+模型本期给大家打开的是YOLOv5在智能工地安全领域中头盔目标检测的应用。完整代码下载地址：可视化界面演示： 💥💥💥新增可视化界面上线啦！！！！来一波演示！！！演示指标 yolov5s 为基础训练，epoch = 50 分类PRmAP0.5总体0.8840.8990.888人体0.8460.8930.877头0.8890.8830.871安全帽0.9170.9210.917 对应的权重文件：，提取码: b981 yolov5m 为基础训练，epoch = 100 分类PRmAP0.5总体0.8860.9150.901人体0.8440.9060.887头0.90.9110.9安全帽0.9130.9290.916

算法

【算法分析】常用算法详解，小白必看！冒泡排序|希尔排序|插入排序|选择排序|归并排序|算法思想

算法分析算法基础算法的五个重要特性： 1. 2. 有穷性：对于合法输入，在执行有穷步后结束，且每一步都可在有穷时间内完成 3. 4. 确定性：每一条指令必须有确切的含义，对于相同的输入只能得出相同的输出 5. 6. 可行性：算法中描述的操作都可以通过有限的基本运算实现 7. 8. 输入：0或多个输入 9. 10. 输出：1或多个输出排序算法各排序算法 img 插入排序通过构建有序序列，对于未排序数据，在已排序序列中从后向前扫描，找到相应位置并插入。类似于扑克牌中给牌排序，从未排序的牌中选择一张对比已排序的牌，在比它小的牌后面插入。插入排序希尔排序（Shell排序）先将整个带排序序列分割成若干子序列，然后分别进行插入排序，待整个序列记录基本有序时，再进行一次完整的插入排序。希尔排序冒泡排序重复地走访过要排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。每一轮比较结束后，

python

Python 学习路线：介绍、基础语法、数据结构、算法、高级主题、框架及异步编程详解

Python 介绍 Python 是一种高级的、解释型的、通用的编程语言。其设计哲学强调代码的可读性，使用显著的缩进。Python 是动态类型和垃圾收集的。基本语法设置 Python 环境并开始基础知识。变量变量用于存储在计算机程序中引用和操作的信息。它们还提供了一种使用描述性名称标记数据的方式，以便读者和我们自己更清晰地理解我们的程序。将变量视为包含信息的容器很有帮助。它们的唯一目的是在内存中标记和存储数据。然后可以在整个程序中使用这些数据。文章链接：示例 x = 5 y = 6 sum_result = x + y print(sum_result) # 打印 x + y 的和条件语句 Python 中的条件语句根据特定条件是否为真或为假执行不同的操作。条件语句由