DEAP是一个支持进化算法的了不起的Python包。
现在,我从简单的示例中学习它
使用HallofFame on,“它将跟踪进化中出现的最佳个体(即使在其熄灭的情况下)”。
但当我使用它时,种群在进化过程中的最大适应度有时会下降一些。
我认为当最好的父母离开时,fitness.Max永远不应该减少,而应该保持不变或增加。
这是我直接在DEAP网站上复制的代码。
import array
import random
import numpy
from deap import algorithms
from deap import base
from deap import creator
假设您有这种快速排序实现,它可能与标准实现略有不同:
qsort(list):
if list is of length 1 or lower -
return list
else -
choose a random pivot
smaller - get all elements that are smaller than the pivot
equal - get all elements that are equal to the pivot, including the pivot itself
greater - get all
我是一个中国人,我的英语很差,希望你能理解。
我需要检查一下wave音频的波形是否有“空区域”。
我用"sample_rate,X= scipy.io.wavfile.read(path)“加载wav。
X是一个numpy数组,你知道的。
从导出的txt文件中,数组大约有50K行,待检测的“空区域”数据是大量重复的0。你也知道这一点。
在我在Google中找到的示例中,他们使用了for循环。就像这样:
sample_rate, X = scipy.io.wavfile.read(path)
c=0
for i in X:
if i==0:
我有一个dataframe,其中该列有"Yes“、"No”和空(null)。我试图将空白转换为值,但它不起作用(此代码过去在其他场景下工作得很好)。这个“同意”列是一个因子变量。控制台中没有错误消息,但空白区域仍然为空。
Agree
Yes
No
No
Yes
Yes
No
No
Yes
df$Agree[is.na(df$Agree)] <- "No Response"
我试验了不同的建模方法,包括KNN、决策树、神经网络和SVN,并试图对我的数据进行拟合,看看哪种方法最有效。令我惊讶的是,决策树的最佳工作方式是训练精度为1.0,测试精度为0.5。无论训练精度为0.92,测试精度为0.42,神经网络的性能都是最好的,比决策树分类器低8%。
请有人解释一下,与决策树这样的建模技术相比,神经网络可能具有低精度的情况/情况。我尝试过不同配置的神经网络,比如:
1 hidden layer and 1 neuron : Train Accuracy 34% Test Accuracy 42%
7 hidden layers and 5 neurons in each