小马哥的博客

多分类下准召f1优化 简单地说就是如果多类别不均衡的话，这时候直接使用神经网络优化交叉熵损失得到的结果，f1显然不是全局最优的，很多同学都会问，二分类下的阈值搜索我会，如果是多分类怎么做一个阈值搜索呢？传统的多分类我们预测结果使用argmax(logits)这时候，可以形式化的表达为求argmax(w*logits)使得f1均值最大。其中w就是要求得的再放缩权重。 我们可以使用非线性优化的方法，求解这个问题，scipy的库里有很多实现了。 有序关系的离散标签优化 我们经常遇到这样的问题，比如情感打分预测1-

Digital Recognizer Gang Ma 9/10/2018 1. 介绍 2. 数据预处理 2.1 加载数据 2.2 检查是否有null和缺失值 2.3 标准化和归一化 2.4 修改数据到指定维度 2.5 编码标签----独热码 2.6 划分训练集和验证集 3. CNN 3.1 定义模型 3.2 定义优化器和自动调节学习率退火器 3.3 数据增强 4. 评估模型 4.1...