Liuyan_analysis的博客

LSTM实现文本分类

逻辑回归面试题 逻辑回归为什么要对特征进行离散化？ 在工业界，很少直接将连续值做啥逻辑回归模型的特征输入，而是将连续特征离散化为一系列0、1特征交给逻辑回归模型，优势如下： 1、离散特征的增加和减少都很容易，易于模型的快速迭代； 2、稀疏向量内积乘法运算速度快，计算结果方便存储，容易扩展； 3、离散化后的特征对异常数据有很强的鲁棒性：比如一个特征是年龄>30是1，否则0。如果特征没有离散化，一个异常数据“年龄300岁”会给模型造成很大的干扰； 4、离散化后可以进行特征交叉，由M+N个变量变

# 导入python自带的数据集,及svm训练模型 from sklearn import datasets from sklearn import svm # 对预测模型进行打分，精确度 from sklearn.metrics import accuracy_score # 导入 iris数据集和digits数据集 iris=datasets.load_iris() digits=datasets.load_digits() # 查看数据集 # print(iris.data) # # 数据集规模 #.