Tkinter详解和爱心跳动示例（Python）
@TOC Tkinter简要介绍Tkinter 是 Python 的标准 GUI（图形用户界面）库。它提供了创建窗口和对话框的基本工具，可以用来构建各种复杂的用户界面。 1.基本概念 Tk: Tk 是 Tkinter 的底层实现，最初是为 Tcl 语言设计的。Tkinter 是 Tk 的 Python 接口。 Widget: Tkinter 中的控件，如按钮、标签、文本框等。 Event: 用户
Tabnet介绍（Decision Manifolds）和PyTorch TabNet之TabNetRegressor
@[TOC](Tabnet介绍（Decision Manifolds）和PyTorch TabNet之TabNetRegressor) Decision Manifolds指在决策树模型中，数据点通过一系列超平面的分割形成的决策边界。具体来说： 在决策树模型中：决策流形由一系列垂直于特征轴的超平面组成，这些超平面将数据空间划分为多个区域，每个区域代表一个决策区域。例如，一个简单的决策树可能通过
SQL常用语句 笔记
https://github.com/QInzhengk/Math-Model-and-Machine-Learning@TOC 1.常用MySQL命令1234567891011121314# 查看所有数据库SHOW DATABASES;# 切换指定数据库USE test;# 查看当前库中所有的表SHOW TABLES;# 查看表结构DESC departments;# 查看当前所处的数据库SE
Spark笔记（pyspark）
https://github.com/QInzhengk/Math-Model-and-Machine-Learning@TOCSpark是什么：Spark是基于内存的迭代式计算引擎 1、基本概念RDD：是Resillient Distributed Dataset（弹性分布式数据集）的简称，是分布式内存的一个抽象概念，提供了一种高度受限的共享内存模型 DAG：是Directed Acyclic
Scikit-learn使用和扩展之mlxtend（Stacking...）
@TOCmlxtend（Machine Learning Extensions）是一个Python库，它为Scikit-learn提供了额外的实用工具和扩展功能。mlxtend旨在为数据科学家和机器学习工程师提供一系列易于使用的高级API，以便于实现一些复杂的机器学习算法和技术，这些在标准的Scikit-learn库中可能没有直接提供。 mlxtend的主要特点和功能 Feature Selec
Pytorch详解-模型模块(RNN,CNN,FNN,LSTM,GRU,TCN,Transformer)
@TOC Module & parameter定义模型类 继承 nn.Module： 模型类通常继承自 nn.Module 类。 初始化方法 init： 在这个方法中，定义模型的层（例如线性层、卷积层等）。 前向传播方法 forward： 定义数据通过模型的流动方式 Module初认识在pytorch中模型是一个Module，各网络层、模块也是Module。Module是所有神经网络
Pytorch详解-模型保存与加载、Finetune 模型微调、GPU使用、nvidia-smi详解、TorchEnsemble 模型集成库、torchmetrics 模型评估指标库
@[TOC](Pytorch详解-模型保存与加载、Finetune 模型微调、GPU使用、nvidia-smi详解、TorchEnsemble 模型集成库、torchmetrics 模型评估指标库) 1234567891011def same_seed(seed): ''' 设置随机种子(便于复现) ''' t
Pytorch详解-数据模块
@TOC Dataset是一个抽象基类，提供给用户定义自己的数据读取方式，用户可以通过继承 Dataset 类并实现其方法来定制数据加载逻辑。其中最核心的方法是 getitem，它定义了如何根据索引获取单个样本。 1__getitem__(self, index): 这个方法接收一个整数 index 作为输入。 根据 index 加载并返回对应的数据样本。 数据样本通常包括特征和标签，可以是
PyTorch详解-可视化模块
@TOC Tensorboard 基础与使用TensorBoard 是一个非常流行的工具，用于可视化 TensorFlow 和 PyTorch 等深度学习框架的训练过程。它可以用来监控训练过程中的各种指标，如损失函数、准确率等，并且可以直观地展示模型结构、权重分布等信息。 启动 TensorBoard启动 TensorBoard 需要在命令行中指定日志文件所在的目录。 1tensorboard
PyTorch详解-优化模块
@TOC 损失函数-Loss Function损失函数（loss function）是用来衡量模型输出与真实标签之间的差异，当模型输出越接近标签，认为模型越好，反之亦然。因此，可以得到一个近乎等价的概念，loss越小，模型越好。这样就可以用数值优化的方法不断的让loss变小，即模型的训练。 针对不同的任务有不同的损失函数，例如回归任务常用MSE(Mean Square Error)，分类任务常用