特征工程是指將數(shù)據(jù)轉(zhuǎn)化為能更好地表示潛在問題的特征挣菲，從而提高機器學習性能晰绎。主要分為如下幾點： 數(shù)據(jù)理解 數(shù)據(jù)清洗 特征構(gòu)造 特征選擇 類別不平衡...

數(shù)據(jù)的探索性分析 探索性數(shù)據(jù)分析（Exploratory Data Analysis伊约，EDA）是指對已有數(shù)據(jù)在盡量少的先驗假設(shè)下通過作圖省核、制表附帽、...

圖像分類案例2 Kaggle上的狗品種識別（ImageNet Dogs） 在本節(jié)中椒楣，我們將解決Kaggle競賽中的犬種識別挑戰(zhàn)给郊，比賽的網(wǎng)址是ht...

目標檢測基礎(chǔ) 目標檢測和邊界框 邊界框 錨框 目標檢測算法通常會在輸入圖像中采樣大量的區(qū)域淆九，然后判斷這些區(qū)域中是否包含我們感興趣的目標，并調(diào)整區(qū)...

文本分類 文本情感分類數(shù)據(jù)集 使用循環(huán)神經(jīng)網(wǎng)絡(luò)進行情感分類 使用卷積神經(jīng)網(wǎng)絡(luò)進行情感分類文本分類是自然語言處理的一個常見任務(wù)，它把一段不定長的文...

優(yōu)化算法進階 介紹更高級的優(yōu)化算法 Momentum epoch 20, x1 -0.943467, x2 -0.000073 可以看到，同一位...

批量歸一化（BatchNormalization） 對輸入的標準化（淺層模型） 處理后的任意一個特征在數(shù)據(jù)集中所有樣本上的均值為0鸦泳、標準差為1。...

機器翻譯和數(shù)據(jù)集 機器翻譯（MT）：將一段文本從一種語言自動翻譯為另一種語言永品，用神經(jīng)網(wǎng)絡(luò)解決這個問題通常稱為神經(jīng)機器翻譯（NMT）辽故。 主要特征：...