RenjieZhu

Hard work will pay off.

D3js - 5、理解data join 和 可视化原则

可视化

D3js - 5、理解data join 和 可视化原则 Data Join 一图流 <img src =”https://tva1.sinaimg.cn/large/007S8ZIlgy1gh481jq64sj31kl0u01bi.jpg” width = 70%> Enter 选中data 匹配 dom元素 update 选中匹配元素进行操作 ex...

D3js - 4、bar chart

可视化

D3js - 4、bar chart CSV : comma seperate value 1、导入 csv 数据 逻辑: <img src =”https://tva1.sinaimg.cn/large/007S8ZIlgy1gh2qfeq4rmj311a0tkakv.jpg” width = 50%></img> Linear Scale <...

D3js - 3、introduction to D3js

可视化

D3js - 3、introduction to D3js D3js : Data-Driven Documents https://d3js.org/ code: https://vizhub.com/68416/be771477cb974c938cd8603dd8b59d32 1、 loading D3js <script src="https://unp...

D3js - 2、html,css,svg

可视化

D3js - 2、html,css,svg 课程code:https://vizhub.com/curran/366c38ba5ebc4631b4bd936f3b709744 1、html,css 略,见w3school 2、svg 矢量图,放大不影响 <svg> </svg> 简单操作见⬇️ https://www.w3schools.co...

D3js - 1、Javascript入门

可视化

D3js - 1、Javascript入门 1、Javascript入门 Javascript教程: https://eloquentjavascript.net/ 简单记录 chapter 1 : 数据类型 换行字符串:` “Hello” + 5  等于 Hello${5} 看类型:typeof 5 ...

李宏毅 机器学习(8)- 非监督学习-word_embedding, neighbor embedding

深度学习

李宏毅 机器学习(8)- 非监督学习-word embedding ,neighbor embedding Word Embedding Machine learns the meaning of words from reading a lot of documents without supervision 1、什么是word embedding? 把每一个word proje...

李宏毅 机器学习(7)- 非监督学习-K-means, HAC, PCA

深度学习

李宏毅 机器学习(7)- 非监督学习-K-means, HAC, PCA Clustering k-means 复习,随机取中心,计算每个sample和哪个center最接近,然后同个cluster取平均,平均的值作为新的center,迭代迭代得到最终clusters HAC: Hierarchical Agglomerative Clustering 根据dat...

李宏毅 机器学习(6)- 为什么deep更好

深度学习

李宏毅 机器学习(6)- 为什么deep更好 重点比较了shallow learning和deep learning的区别: shallow:不考虑不同input之间的关联,针对每一种class都设计了一个独立的model检测 deep:考虑了input之间的某些共同特征,所有class用同个model分类,share参数,modularization思想,hierarchy架构...

李宏毅 机器学习(5)- CNN更深介绍、应用

深度学习

李宏毅 机器学习(5)- CNN更深介绍、应用 1、What does CNN do? 第一层convolution 还是上个例子 要分析第一个convolution的filter是比较容易的,因为第一个convolution layer里面,每一个filter就是一个3*3的matrix,它对应到3*3范围内的9个pixel,所以你只要看这个filter的值,就可以知道它在de...

李宏毅 机器学习(4)- CNN介绍、基本理解、code

深度学习

李宏毅 机器学习(4)- CNN介绍、基本理解、code 1、为什么用CNN做影像识别? 那现在的问题是这样子:当我们直接用一般的fully connected的feedforward network来做图像处理的时候,往往会需要太多的参数 举例来说,假设这是一张100100的彩色图片,它的分辨率才100100,那这已经是很小张的image了,然后你需要把它拉成一个vector,总共...