本文对谷歌年度盘点系列博客进行总结（在原
发表评论
1167 views
发表评论
1425 views
| gradio | streamit | dash | |
|---|---|---|---|
| 主要使用场景 | 可交互 Demo简单 | 工作流、DashBoard | DashBoard、复杂演示应用 |
| 上手难度 | 简单 | 简单 | 中等 |
| 组件丰富度 | 低 | 高 | 高 |
| 综合扩展性 | 低 | 中 | 高 |
| Jupyter Notebook 内支持 | 是 | 否 | 是 |
| 是否完全开源 | 是 | 是 | 部分企业级功能未开源 |
| github st |
发表评论
784 views
发表评论
671 views
1 传统机器学习
1.1 XGBoost
最常用的10个超参数（原生API，兼容Scikit-learn的API，常见取值范围）：
num_boost_round：训练期间所需要的基学习器数量，默认100；在应对较大数据集时，一般控制在5000~10000左右（影响训练时间的重要因素）；一个常用技巧是先设定一个较高的数值，然后结合early-stopping来获得一个较优的模
发表评论
630 views
发表评论
647 views
发表评论
640 views
发表评论
1023 views
1 前言
本文主要围绕作者科研十年的感悟和思考，进行总结和探索
本书框架如下：
- 第一章前言
- 第二章介绍现代科研的知识背景与认识框架
- 第三章介绍现代社会及现代科研趋势与问题
- 第四章介绍科研思维
- 第五章介绍实验
- 第六章介绍数据分析
- 第七章介绍文献管理
- 第八章介绍学术生活
- 第九章介绍离开学术界的就业途径
附录
- 现代科研工具包
- 检验本书阅读效果的试题
- 调侃风格的科研版词
发表评论
662 views
发表评论
576 views
1 DBSCAN算法概况
DBSCAN（Density-Based Spatial Clustering of Applications with Noise，基于密度的、对噪声鲁棒的空间聚类方法）是一种基于密度的经典聚类算法
2 DBSCAN算法细节
- 遍历所有样本，寻找关键的核心点（邻域内样本数>=MinPoints）
- 核心点及其邻域内的样本（包括其他核心点）形成了临时聚类簇
- 当核心点A属于核心点B的临时聚类簇时，合并两处临时聚类簇
- 重复以上过程，直至找不到新的可合并临时聚类簇
