个人技术分享

机器学习之支持向量机SVM

gamama：值越大，高斯分布越窄（数据变化越剧烈，易过拟合），反之，值越小，高斯分布越宽（数据变化越平缓），易欠拟合，rbf是高斯核。若想找到具有最大间隔划分超平面，也就是要找到能满右足式中约束参数w和b，使得间隔γ最大。C值越大，间隔越小，落在间隔中的违例越少，反之，C值越小，间隔越大，违例越多。允许部分样本，在最大间隔之间，甚至在错误的一边，寻找最大间隔，即软间隔。将原始输入空间映射到新的特征空间，使得原本线性不可分样本在核空间可分。若样本线性可分，且所有样本分类正确情况下，寻找最大间隔，即硬间隔。

社交数据分析：解读Facebook的用户洞察

社交数据分析是理解Facebook用户行为和洞察用户需求的重要途径之一。通过深入分析Facebook的用户数据，可以为企业提供有价值的市场洞察和用户见解，指导产品和营销策略的制定和优化，促进商业的发展和社会的进步。让我们一起利用社交数据分析的方法和技术，解读Facebook的用户洞察，探索数字社交的无限可能性。

Plotly数据可视化宝典

它提供了丰富的图表类型，包括折线图、散点图、柱状图、饼图等，同时支持地图、三维图表等高级功能。Plotly的交互性是其一大特色，用户可以通过鼠标拖拽、缩放、点击等方式与图表进行交互，获取更多信息。Plotly，作为一款强大的数据可视化工具，以其丰富的图表类型、交互性和灵活性，赢得了广大数据科学家的青睐。通过学习本宝典，你将掌握Plotly的精髓，能够运用Plotly创建出各种精美且实用的数据可视化图表。例如，可以修改坐标轴的标签、范围、刻度等设置，也可以调整图表的颜色、线型等属性。

利用关系感知一致性和虚拟特征补偿解决医学分类中的长尾问题

由于患病样本稀缺，医学图像数据集存在天然的不平衡，导致诊断算法对多数类别产生偏见。这一情况降低了诊断性能，特别是在识别罕见类别方面。现有研究将这一挑战描述为长尾问题，并采取解耦策略来减轻分类器的偏见。但是这些研究仅使用不平衡的数据集来训练编码器，并通过舍弃主要类别的样本来重新训练分类器，从而限制了诊断性能。本文提出了一种分为两个阶段的多视图关系感知一致性和虚拟特征补偿（MRC-VFC）框架。在第一阶段，设计了一种多视图关系感知一致性（MRC）用于表示学习，为编码器的训练提供了无偏的指导，除了不平衡的监督。

【长春理工大学主办 | EI检索稳定 | SPIE独立出版 】第五届计算机视觉和数据挖掘国际学术会议（ICCVDM 2024）

此前，ICCVDM系列会议于2020年在中国西安、2021年在中国长沙（线上）、2022年在中国呼伦贝尔（线上+线下）、2023年在中国长春（线上+线下）皆已成功举办。ICCVDM为世界各地该领域的专家、学者、研究人员及相关从业人员提供一个共享科研成果和前沿技术，了解学术发展趋势，拓宽研究思路，加强学术研究和探讨，促进学术成果产业化合作的平台。大会诚邀国内外高校、科研机构专家、学者，企业界人士及其他相关人员参会交流。

【Python】理解分类变量和连续变量

凡是血肉的东西都难与灵魂一样高扬。在数据分析和建模过程中，变量可以分为不同的类型，其中最常见的两种类型是分类变量和连续变量。理解这两种变量类型及其处理方法对于数据分析和建模的成功至关重要。本文将介绍分类变量和连续变量的概念，并通过实例说明如何处理和分析这些变量。

基于Python的电影数据可视化分析系统的设计与实现

本文以基于Python的电影数据可视化分析系统的设计与实现为题，通过对电影数据进行采集、处理以及可视化展示，旨在提供一个全面、直观、便捷的电影数据分析工具。首先，我们通过网络爬虫技术，获取各大电影网站的电影相关数据，包括电影票房、评分、导演和演员等信息。然后，利用Python的数据处理库对原始数据进行清洗和整理，以确保数据的准确性和统一性。然后，我们使用Python中的数据可视化库，如Matplotlib、Seaborn和Plotly等，将清洗后的数据以直观的图表形式展示。