- 博客(7)
- 收藏
- 关注
RSS订阅原创 模型融合task5
模型融合大体来说有如下的类型方式简单加权融合:回归（分类概率）：算术平均融合（Arithmetic mean），几何平均融合（Geometric mean）；分类：投票（Voting)综合：排序融合(Rank averaging)，log融合stacking/blending:构建多层模型，并利用预测结果再拟合预测。boosting/bagging（在xgboost，Adaboost...
2020-04-04 20:56:44
220
原创 task4 建模调参
优化内存：来源 https://www.kaggle.com/gemartin/load-data-reduce-memory-usage可以节省60%以上的内存。import pandas as pdimport numpy as np def reduce_mem_usage(df): """ iterate through all the columns of a dat...
2020-03-31 17:57:45
305
原创 特征工程task3
常见的特征工程包括：异常处理：通过箱线图（或 3-Sigma）分析删除异常值；def outliers_proc(data, col_name, scale=3): """ 用于清洗异常值，默认用 box_plot（scale=3）进行清洗 :param data: 接收 pandas 数据格式 :param col_name: pandas 列名 :...
2020-03-28 19:33:17
154
原创 数据挖掘task2之数据分析
数据分析判断数据缺失和异常data.isnull().sum()来判断每个属性的缺失值个数。查看每列的存在nan情况msno.matrix可视化每列的缺失值。异常值检测了解预测值的分布value_counts()总体分布概况（无界约翰逊分布等）查看skewness and kurtosis查看预测值的具体频数plt.hist(Train_data['price'], orie...
2020-03-24 19:19:57
246
原创 task6批量归一化和残差网络；凸优化；梯度下降 task9目标检测基础 图像风格迁移；图像分类案例1 task10图像分类案例2；GAN;DCGAN
task6批量归一化和残差网络对全连接层的批量归一化用于sigmod函数之前。对卷积层的批量归一化位置：卷积计算之后、应⽤激活函数之前。如果卷积计算输出多个通道，我们需要对这些通道的输出分别做批量归一化，且每个通道都拥有独立的拉伸和偏移参数。 计算：对单通道，batchsize=m,卷积计算输出=pxq 对该通道中m×p×q个元素同时做批量归一化,使用相同的均值和方差。对预测的批量归一...
2020-02-24 13:30:06
421
原创 动手学深度学习第二次打卡2/18
task3 task4 and task51.过拟合、欠拟合及其解决方案解决方法包括：验证数据集和交叉验证权重衰减L2 范数正则化（regularization）例如在线性回归中加入带有l2范数惩罚项的损失函数。当 λ 较大时，惩罚项在损失函数中的比重较大，这通常会使学到的权重参数的元素较接近0。当 λ 设为0时，惩罚项完全不起作用。2.（1）梯度消失、梯度爆炸以及Kaggle房价...
2020-02-18 17:33:17
299
原创 softmax与分类模型；多层感知机。文本预处理；语言模型；循环神经网络基础
1.softmax用softmax的原因：直接使用输出层的输出有两个问题一方面，由于输出层的输出值的范围不确定，我们难以直观上判断这些值的意义。例如，刚才举的例子中的输出值10表示“很置信”图像类别为猫，因为该输出值是其他两类的输出值的100倍。但如果 o1=o3=103 ，那么输出值10却又表示图像类别为猫的概率很低。另一方面，由于真实标签是离散值，这些离散值与不确定范围的输出值之间的误...
2020-02-14 12:08:53
414
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人