1. Boosting Boosting（提升方法）是將弱學(xué)習(xí)器算法提升為強(qiáng)學(xué)習(xí)算法的統(tǒng)計(jì)學(xué)習(xí)方法。在分類問題中，提升方法通過反復(fù)修改訓(xùn)練數(shù)據(jù)的權(quán)值分布，構(gòu)建一系列基本分類器...
發(fā)簡信
IP屬地：陜西
-
AdaBoost算法介紹 -
梯度下降算法的Python實(shí)現(xiàn)在上一篇邏輯回歸中，我們利用批量梯度下降算法BGD求解使損失函數(shù)J(θ)取得最小值的θ，同時(shí)也提到了SGD和MBGD，本篇我們實(shí)現(xiàn)下這三個(gè)算法，并進(jìn)行簡單比較。關(guān)于梯度下降算...
-
評(píng)論較多，簡書回復(fù)也不太方便，如有問題麻煩關(guān)注下面的公眾號(hào)，加入我的微信群一起討論。公眾號(hào)ID：小小挖掘機(jī)
-
美團(tuán)機(jī)器學(xué)習(xí)實(shí)踐第二章-特征工程總結(jié)思維導(dǎo)圖如下： 在機(jī)器學(xué)習(xí)應(yīng)用中，特征工程扮演重要的角色，可以說特征工程時(shí)機(jī)器學(xué)習(xí)應(yīng)用的基礎(chǔ)。我們都知道，數(shù)據(jù)和特征決定了機(jī)器學(xué)習(xí)算法的上限，而模型和算法只是不斷逼近這個(gè)上限...
-
美團(tuán)機(jī)器學(xué)習(xí)實(shí)踐第一章-問題建?？偨Y(jié)思維導(dǎo)圖如下： 機(jī)器學(xué)習(xí)解決問題的通用流程 問題建模-特種工程-模型選擇-模型融合。 問題建模應(yīng)包含三方面的內(nèi)容：評(píng)估指標(biāo)、樣本選擇、交叉驗(yàn)證。 評(píng)估指標(biāo) 評(píng)估指標(biāo)很多，我們...
-
評(píng)分卡模型開發(fā)-定量特征篩選
在模型開發(fā)中，并不是所有的特征要全部篩選進(jìn)模型，因?yàn)榻鹑跀?shù)據(jù)一般特征有很多，如果全部放入模型，一方面可能會(huì)引起“維度災(zāi)難”，另一方面得到的結(jié)果也許并不是最好的，因?yàn)橛行┨卣髦?..
-
邏輯回歸(Logistic Regression)邏輯回歸（Logistic Regression）是一種用于分類問題的算法。 建立一個(gè)Logistic Regression模型，需要以下三部分工作： 構(gòu)造預(yù)測函數(shù) 構(gòu)建損失...
-
深度學(xué)習(xí)--biLSTM_CRF 命名實(shí)體識(shí)別前文 中文分詞、詞性標(biāo)注、命名實(shí)體識(shí)別是自然語言理解中，基礎(chǔ)性的工作，同時(shí)也是非常重要的工作。在很多NLP的項(xiàng)目中，工作開始之前都要經(jīng)過這三者中的一到多項(xiàng)工作的處理。在深度學(xué)...
-
文本分類--CNN作為一個(gè)NLP屆的菜鳥，想把自己學(xué)到的一點(diǎn)知識(shí)寫下來，一是幫助自己梳理知識(shí)；二是希望能夠幫到一些打算入門以及正在入門的NLPer.由于我的文筆挺差的，以及學(xué)識(shí)有限，有不忍直視...
-
第三章：數(shù)據(jù)探索3.1餐飲銷售額數(shù)據(jù)異常值檢測 2數(shù)據(jù)特征分析 分布分析：分布分析能揭示數(shù)據(jù)的分布特征和分布類型；定量數(shù)據(jù)的分布分析； 3Python主要數(shù)據(jù)探索函數(shù)： python中用于數(shù)...
-
深度學(xué)習(xí)--Lstm+CNN 文本分類本文從實(shí)踐的角度，來講一下如何構(gòu)建LSTM+CNN的模型對(duì)文本進(jìn)行分類。 本文Github RNN網(wǎng)絡(luò)與CNN網(wǎng)絡(luò)可以分別用來進(jìn)行文本分類。RNN網(wǎng)絡(luò)在文本分類中，作用是用來...
-
深度學(xué)習(xí)--RNN+Attention 文本分類之前介紹過RNN的分類，本文介紹一下使用預(yù)訓(xùn)練詞向量進(jìn)行RNN+Attention的分類模型。 下面來正式開始，RNN+Attention在tensorflow中的實(shí)現(xiàn)。 運(yùn)...
-
-
分類模型評(píng)估指標(biāo)本篇先考慮二分類問題，記錄常用到的評(píng)估指標(biāo)。 混淆矩陣 假設(shè)在訓(xùn)練之前和預(yù)測之后，一個(gè)樣本的標(biāo)記是確定的兩個(gè)類別，一個(gè)是真實(shí)的1/0，一個(gè)是預(yù)測的1/0，其中1表示正例、0表...
-
嗶哩嗶哩：李文舉說
-
每天學(xué)點(diǎn)NLP。。。
-
Java架構(gòu)想進(jìn)階的加QQ：2954948836免費(fèi)獲取一份架構(gòu)學(xué)習(xí)視頻和架構(gòu)學(xué)習(xí)體系進(jìn)階圖。<br>感謝大家對(duì)我的關(guān)注！
-
如果你是程序員，或者有一顆喜歡寫程序的心，喜歡分享技術(shù)干貨、項(xiàng)目經(jīng)驗(yàn)、程序員日常囧事等等，歡迎投稿《程序員》專題。 專題主編：小彤花園 http://www.itdecent.cn/users/4a4eb4feee62/ 【程序員】專題拒稿指北：http://www.itdecent.cn/p/7c8b33b5f63b 投稿須知： 1.收錄相關(guān)技術(shù)文章，但不限于技術(shù)，也可以是項(xiàng)目經(jīng)驗(yàn)類的文章和程序員日常。 2.文章內(nèi)不得有任何推廣信息。包括但不限于公眾號(hào)、微博、微信，更不得在通過投稿后再修改文章加入推廣信息。你可以將這些推廣以及個(gè)人信息放在個(gè)人主頁介紹里。 3.字?jǐn)?shù)極少，段落混亂，大段代碼沒有放到代碼框的文章不收錄 4.不相關(guān)的內(nèi)容不收錄，請確認(rèn)文章內(nèi)容和本專題相關(guān) 目前針對(duì)優(yōu)質(zhì)作者及愛好者，開設(shè)了官方程序員微信群，希望加入請發(fā)簡信給主編小彤花園索取個(gè)人微信，主編會(huì)將你加入到【程序員】微信群，分享內(nèi)容，收獲知識(shí)。添加微信時(shí)備注昵稱。
