songsong_H

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)方法授段。在分類問(wèn)題中，提升方法通過(guò)反復(fù)修改訓(xùn)練數(shù)據(jù)的權(quán)值分布惩歉，構(gòu)建一系列基本分類器...

songsong_H

在上一篇邏輯回歸中加匈，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角雷，同時(shí)也提到了SGD和MBGD古徒，本篇我們實(shí)現(xiàn)下這三個(gè)算法摆马，并進(jìn)行簡(jiǎn)單比較臼闻。關(guān)于梯度下降算...

songsong_H

思維導(dǎo)圖如下： 在機(jī)器學(xué)習(xí)應(yīng)用中思犁，特征工程扮演重要的角色代虾，可以說(shuō)特征工程時(shí)機(jī)器學(xué)習(xí)應(yīng)用的基礎(chǔ)。我們都知道激蹲，數(shù)據(jù)和特征決定了機(jī)器學(xué)習(xí)算法的上限棉磨，而模型和算法只是不斷逼近這個(gè)上限...

songsong_H

思維導(dǎo)圖如下： 機(jī)器學(xué)習(xí)解決問(wèn)題的通用流程 問(wèn)題建模-特種工程-模型選擇-模型融合学辱。 問(wèn)題建模應(yīng)包含三方面的內(nèi)容：評(píng)估指標(biāo)乘瓤、樣本選擇环形、交叉驗(yàn)證。 評(píng)估指標(biāo) 評(píng)估指標(biāo)很多衙傀，我們...

songsong_H

邏輯回歸（Logistic Regression）是一種用于分類問(wèn)題的算法钙畔。 建立一個(gè)Logistic Regression模型，需要以下三部分工作： 構(gòu)造預(yù)測(cè)函數(shù) 構(gòu)建損失...

songsong_H

前文 中文分詞金麸、詞性標(biāo)注刃鳄、命名實(shí)體識(shí)別是自然語(yǔ)言理解中，基礎(chǔ)性的工作钱骂，同時(shí)也是非常重要的工作叔锐。在很多NLP的項(xiàng)目中，工作開(kāi)始之前都要經(jīng)過(guò)這三者中的一到多項(xiàng)工作的處理见秽。在深度學(xué)...

songsong_H

作為一個(gè)NLP屆的菜鳥(niǎo)愉烙，想把自己學(xué)到的一點(diǎn)知識(shí)寫下來(lái)，一是幫助自己梳理知識(shí)解取；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步责，以及學(xué)識(shí)有限，有不忍直視...

songsong_H

3.1餐飲銷售額數(shù)據(jù)異常值檢測(cè) 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禀苦；定量數(shù)據(jù)的分布分析蔓肯； 3Python主要數(shù)據(jù)探索函數(shù)： python中用于數(shù)...

songsong_H

本文從實(shí)踐的角度，來(lái)講一下如何構(gòu)建LSTM+CNN的模型對(duì)文本進(jìn)行分類振乏。 本文Github RNN網(wǎng)絡(luò)與CNN網(wǎng)絡(luò)可以分別用來(lái)進(jìn)行文本分類蔗包。RNN網(wǎng)絡(luò)在文本分類中，作用是用來(lái)...

songsong_H

之前介紹過(guò)RNN的分類慧邮，本文介紹一下使用預(yù)訓(xùn)練詞向量進(jìn)行RNN+Attention的分類模型调限。 下面來(lái)正式開(kāi)始，RNN+Attention在tensorflow中的實(shí)現(xiàn)误澳。 運(yùn)...

songsong_H

本篇先考慮二分類問(wèn)題忆谓，記錄常用到的評(píng)估指標(biāo)裆装。 混淆矩陣 假設(shè)在訓(xùn)練之前和預(yù)測(cè)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哨免，一個(gè)是預(yù)測(cè)的1/0勾扭，其中1表示正例、0表...