1.如果我們用nn.MSELoss()替換nn.MSELoss(reduction='sum')，為了使代碼的行為相同，需要怎么更改學(xué)習(xí)率？為什么？ reduction默...
發(fā)簡信
IP屬地：上海
-
線性回歸的簡潔實(shí)現(xiàn)習(xí)題
-
不同樹模型重要性計(jì)算方法總結(jié)
首先，目前計(jì)算特征重要性計(jì)算方法主要有兩個方面： 1.計(jì)算重要性特征方法 1.1訓(xùn)練過程中計(jì)算 訓(xùn)練過程中通過記錄特征的分裂總次數(shù)、總/平均信息增益來對特征重要性進(jìn)行量化。例...
-
集成學(xué)習(xí)引言：在機(jī)器學(xué)習(xí)的有監(jiān)督學(xué)習(xí)算法中，我們的目標(biāo)是學(xué)習(xí)出一個穩(wěn)定的且在各個方面表現(xiàn)都比較好的模型，但實(shí)際情況往往不這么理想，有時我們只能得到多個有偏好的模型(弱監(jiān)督模型，在某些...
-
-
-
-
-
聚類模型的評價指標(biāo)1.誤差平方和SSE 誤差平方和(Sum of the Squared Error, SSE),也被稱為組內(nèi)誤差平方和，它是機(jī)器學(xué)習(xí)中很重要的概念，該概念是在聚類和回歸類算法...
-
分類模型評估指標(biāo)機(jī)器學(xué)習(xí)解決問題的通用流程：問題建模----特征工程----模型選擇----模型融合 其中問題建模主要包括：設(shè)定評估指標(biāo)，選擇樣本，交叉驗(yàn)證。 解決一個機(jī)器學(xué)習(xí)問題都是從...
-
降維算法之LDA(線性判別降維算法)--有監(jiān)督LDA在模式識別領(lǐng)域(比如人臉識別，艦艇識別等圖形圖像識別領(lǐng)域)中有非常廣泛的應(yīng)用，因此我們有必要了解下它的算法原理。 不同于PCA方差最大化理論，LDA算法的思想是將...
-
聚類算法--KMeans1.聚類與KMeans 與分類、序列標(biāo)注等任務(wù)不同，聚類是在事先并不知道任何樣本標(biāo)簽的情況下，通過數(shù)據(jù)之間的內(nèi)在關(guān)系把樣本劃分為若干類別，使得同類別樣本之間的相似度高，不同類...
-
分類和聚類的區(qū)別
1.簡單地說，分類就是按照某種標(biāo)準(zhǔn)給對象貼標(biāo)簽，再根據(jù)標(biāo)簽來區(qū)分歸類。聚類是指實(shí)現(xiàn)沒有"標(biāo)簽"而通過某種成團(tuán)分析找出事物之間存在聚集性原因的過程。 2.區(qū)別是，分類是事先定義...
-
聚類算法--DBSCANDBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪聲的基于密度的聚類方法)是一...
-
機(jī)器學(xué)習(xí)中的SVD總結(jié)
1.矩陣分解 1.1矩陣分解的作用 矩陣填充(通過矩陣分解來填充原有矩陣，例如協(xié)同過濾的ALS算法就是填充原有矩陣) 清理異常值與離群點(diǎn) 降維、壓縮 個性化推薦 間接的特征組...
-
降維算法之PCA(主成分分析)--無監(jiān)督
1.相關(guān)背景 在許多領(lǐng)域的研究應(yīng)用中，通常需要對含有多個變量的數(shù)據(jù)進(jìn)行觀測，收集大量數(shù)據(jù)后進(jìn)行分析尋找規(guī)律。多變量大數(shù)據(jù)集無疑會為研究和應(yīng)用提供豐富的信息，但是也在一定程度上...
-
XGBoost三種特征重要性計(jì)算方法對比
特征重要性作用與來源 特征重要性，我們一般用來觀察不同特征的貢獻(xiàn)度。排名靠前的，我們認(rèn)為是重要的。這一思路，通常被用來做特征篩選。剔除貢獻(xiàn)度不高的尾部特征，增強(qiáng)模型的魯棒性...
-
Python打開zip文件
Zip文件格式是通用的文檔壓縮標(biāo)準(zhǔn)。自1.6版本起，Python中zipfile模塊能夠直接處理zip文件里的數(shù)據(jù)，例如需要將對應(yīng)目錄或多個文件打包或壓縮成zip格式，或...