机器学习
文章平均质量分 84
BulletTech2021
微信号BulletTech - 最新最酷的科技分享
展开
-
TensorFlow推荐系统(二)
1 前言读过 TensorFlow推荐系统(一)的朋友们应该还有印象,上回我们介绍的模型是信息检索(retrieval),而在推荐系统中还有另一个任务模型,即为信息排序(ranking)。在排序阶段,其主要任务是对检索模型产出的条目进行调整以选择最有可能被用户喜欢和选择的电影条目。今天,我们将详细介绍一下排序模型的原理和调用实例。2 源码解析 数据准备,获取数据并拆分数据集。 搭建排序模型。 拟合并评估模型。 2.1 数据准备importosimport..原创 2022-01-03 10:53:17 · 1335 阅读 · 0 评论 -
TensorFlow推荐系统(一)
TensorFlow Recommender ——介绍电影推荐原理及解析源码。原创 2021-12-14 22:00:27 · 2429 阅读 · 0 评论 -
深度学习 101-搭建 ResNet 识别鲜花图像
1 前言ResNet 是一种经典的图像识别领域模型,在 2015 年图像识别领域多个竞赛中排行第一,并且性能上相较第二有大幅提升。在这篇文章里,我们就站在巨人们的肩膀上,搭建一个基于 ResNet 识别花卉图片(Oxford 102 Flowers)的神经网络吧。2 ResNet 简介在 ResNet 以前,由于存在梯度消失和梯度爆炸的问题,神经网路层数越深,网络越难以训练,导致深层网络的准确度出现下降。ResNet 通过引入残差块(Residual block),将 a[l]添加到第二个原创 2021-11-13 17:44:14 · 4424 阅读 · 2 评论 -
金融风控特征工程小结
1 前言前一阵子总结了下自己参加的信贷违约风险预测比赛的数据处理和建模的流程,发现自己对业务上的特征工程认识尚浅,凑巧在Kaggle上曾经也有一个金融风控领域——房贷违约风控的比赛,里面有许多大神分享了他们的特征工程方法,细看下来有不少值得参考和借鉴的地方。2 赛题和数据简介这个比赛也是经典的监督学习中的二分类问题,需要我们根据用户的申请信息,征信信息(Bureau)以及用户在该机构的信用历史等信息,预测申请人贷款违约的概率。由于赛题是做贷前预测,所以需要找的特征主要是挖掘客户是否存在欺诈,..原创 2021-10-23 14:35:09 · 369 阅读 · 0 评论 -
在Apple Silicon Macs上安装TensorFlow
1 前言M1 Mac mini 使用半年体验 - Mac的新未来这篇文章提到了Apple Silicon Mac的出色表现,但兼容性问题对于普通用户而言仍然不容忽视,其中,安装TensorFlow就不像在Intel Macs上用一句pip install tensorflow这么简单。但众多开发者和Apple自己都在为Apple Silicon Macs的优化工作不断努力,现在安装TensorFlow已经容易很多了。这篇文章会分享在Apple Silicon Macs上安装TensorFlow的推荐方法原创 2021-10-10 14:37:09 · 277 阅读 · 0 评论 -
使用tf.keras自定义模型
1 前言tf.keras提供了许多方便调用的API构建深度学习模型,但有些情况需要自定义层和模型,因此在这篇文章里,我们将着眼自定义模型,使用TensorFlow 2.X里的自定义方法为解决方案提供更多灵活性。2 自定义层2.1 创建没有权重的层当自定义层无需权重时,使用tf.keras.layers.Lambda会非常方便,示例如下:exponential_layer=keras.layers.Lambda(lambdax:tf.exp(x))然后这个自定义层可以像其他...原创 2021-10-07 10:55:51 · 947 阅读 · 0 评论 -
Keras各种Callbacks介绍
1 前言在tensorflow.keras中,callbacks能在fit、evaluate和predict过程中加入伴随着模型的生命周期运行,目前tensorflow.keras已经构建了许多种callbacks供用户使用,用于防止过拟合、可视化训练过程、纠错、保存模型checkpoints和生成TensorBoard等。通过这篇文章,我们来了解一下如何使用tensorflow.keras里的各种callbacks,以及如何自定义callbacks。2 使用callbacks使用callbac原创 2021-10-04 17:42:25 · 1541 阅读 · 0 评论 -
决策树学习笔记
1 前言决策树是非常经典的机器学习模型,日常工作中许多分类和回归问题都可以用决策树解决,很多更高级、先进的机器学习模型也基于决策树构建,为了夯实基础、正确运用决策树,今天我们来回顾一些决策树里最重要的技术细节。鸢尾花品种分类决策树示例2 算法重要细节2.1 如何做预测示例中深度为2的决策树的展示了做决策的过程和结论,对于150个样本点,在根节点上,决策树以花瓣长度(petal length)是否小于2.45厘米将数据分成两部分,花瓣长度小于2.45厘米的样本被分类成setosa,大于原创 2021-09-03 21:14:33 · 205 阅读 · 0 评论