机器学习
文章平均质量分 60
csiao_Bing
这个作者很懒,什么都没留下…
展开
-
神经网络学习-高质量资源
神经网络-深度解释 bloghttps://colah.github.io/原创 2020-04-19 08:25:36 · 330 阅读 · 0 评论 -
The Illustrated Transformer
摘自 Jay Alammar https://jalammar.github.io/illustrated-transformer/ The Illustrated Transformer In the previous post, we looked at Attention – a ubiquitous method in modern deep learni...转载 2018-12-18 14:12:29 · 936 阅读 · 0 评论 -
The Annotated Transformer
The Annotated Transformer</a href=http://nlp.seas.harvard.edu/2018/04/03/attention.html ><header class="site-header"> <span><img width="30px&转载 2018-12-18 14:16:10 · 2455 阅读 · 0 评论 -
机器学习面试之Attention
摘自 milterhttps://www.jianshu.com/p/c94909b835d61 RNN做机器翻译的经典思路 encoder-decoder用RNN做机器翻译时,通常需要两个RNN网络,一个用来将接收待翻译语句,对其进行编码,最后输出一个vector,这个网络叫encoder。然后,该vector会作为输入,传给另一个RNN网络,该网络用来根据vector产生目标语言的翻译语...转载 2018-12-18 17:21:28 · 873 阅读 · 0 评论 -
Prophet 时间序列预测
Prophethttps://facebook.github.io/prophet/docs/contributing.html中文https://blog.csdn.net/anshuai_aw1/article/details/83412058原创 2018-12-25 10:59:24 · 1049 阅读 · 0 评论 -
a comprehensive guide for linear ridge and lasso regression
https://www.analyticsvidhya.com/blog/2017/06/a-comprehensive-guide-for-linear-ridge-and-lasso-regression/转载 2019-01-04 20:16:46 · 209 阅读 · 0 评论 -
如何处理小数据集线性回归问题
特征选择- 数据探查,分位数回归分析- Quantile Regression,传统统计分析数据与目标的关联; 结合业务理解,选取特征去除 异常点,和噪声限制模型的复杂度,防止过拟合,规则化L1, L2平滑化-模型多次运算结果取平均值或中值...原创 2019-01-03 10:02:17 · 1268 阅读 · 0 评论 -
谈谈 Bias-Variance Tradeoff
摘自 始终 谈谈 Bias-Variance Tradeoff <span itemprop="articleBody"><blockquote>准确是两个概念。准是 bias 小,确是 variance 小。准确是相对概念,因为 bias-variance tradeoff。——Liam Huang在机器学习领域,人们总是希望使自己的模型尽可能准...转载 2019-01-03 14:07:52 · 686 阅读 · 0 评论 -
Going Deeper into Regression Analysis with Assumptions, Plots & Solutions
摘自 ANALYTICS VIDHYA CONTENT TEAM https://www.analyticsvidhya.com/blog/2016/07/deeper-regression-analysis-assumptions-plots-solutions/ Business AnalyticsMachine LearningGoing Dee...转载 2019-01-07 21:27:54 · 945 阅读 · 0 评论 -
机器学习之模型融合 Stacking
https://zhuanlan.zhihu.com/p/26890738写文章Kaggle机器学习之模型融合(stacking)心得关注他501 人赞同了该文章此文道出了本人学习Stacking入门级应用的心路历程。在经过了几天漫长的查询资料和整理,脑子不好,理解顿悟花了不少时间。在学习过程中感谢@贝尔塔的模型融合方法,以及这篇文章(作者是章凌豪)。对于两位提供的信息,感激不尽。同时还有Ka...转载 2019-04-08 20:51:24 · 340 阅读 · 1 评论 -
深度学习中的注意力模型(2017版)
摘自 张俊林 https://zhuanlan.zhihu.com/p/37601161注意力模型最近几年在深度学习各个领域被广泛使用,无论是图像处理、语音识别还是自然语言处理的各种不同类型的任务中,都很容易遇到注意力模型的身影。所以,了解注意力机制的工作原理对于关注深度学习技术发展的技术人员来说有很大的必要。人类的视觉注意力从注意力模型的命名方式看,很明显其借鉴了人类的注意力机制,因此,我们首...转载 2018-12-18 14:09:54 · 1054 阅读 · 0 评论 -
AI 资源及 blog
推荐一些比较优秀的AI资源:神经网络游乐场:https://playground.tensorflow.org/Gal Yona,在这个领域非常棒的博主之一。她的帖子包括从核心技术的解释到半哲学的评论。核心技术的解释:https://towardsdatascience.com/do-gans-really-model-the-true-data-distribution-or-are-...原创 2018-12-28 09:40:51 · 928 阅读 · 0 评论 -
几个常用算法的适应场景及其优缺点
转 几个常用算法的适应场景及其优缺点(非常好)https://blog.csdn.net/u010159842/article/details/52918815 2016年10月25日 10:03:58 mishidemudong 阅读数:32162 ...转载 2018-12-11 13:54:03 · 869 阅读 · 0 评论 -
如何解决过拟合 与欠拟合
转载自 谷海燕 https://blog.csdn.net/zhuanzhe117/article/details/82595958 下面这张经典的图展示了欠拟合(第一个)与过拟合(第三个)。 欠拟合模型在训练集上学习的不够好,经验误差大,称为欠拟合。模...转载 2018-12-08 13:57:56 · 267 阅读 · 0 评论 -
LabelEncoder & OneHotEncoder
<摘自 http://biggyani.blogspot.com/2014/08/using-onehot-with-categorical.html>Using OneHot,LabelEncoder with categorical features/columns on a pandas dataframe, for feature selection and predicti...转载 2018-12-12 14:48:51 · 336 阅读 · 0 评论 -
XGBRegressor 参数调优
摘自 大黄有故事 https://yq.aliyun.com/articles/572590这一篇博客的内容是在上一篇博客Scikit中的特征选择,XGboost进行回归预测,模型优化的实战的基础上进行调参优化的,所以在阅读本篇博客之前,请先移步看一下上一篇文章。我前面所做的工作基本都是关于特征选择的,这里我想写的是关于XGBoost参数调整的一些小经验。之前我在网站上也看到很多相关的内容,...转载 2018-12-12 20:17:12 · 50985 阅读 · 9 评论 -
StackingClassifier
摘自 mlxtendhttps://rasbt.github.io/mlxtend/user_guide/classifier/StackingClassifier/ <div class="col-md-3"><div class="bs-sidebar hidden-print affix well" role="complementary"><ul...转载 2018-12-19 15:57:24 · 1171 阅读 · 0 评论 -
stackingRegressor
stackingRegressorhttps://rasbt.github.io/mlxtend/user_guide/regressor/StackingRegressor/ &lt;div class="col-md-3"&gt;&lt;div class="bs-sidebar hidden-print affix well" role="complem转载 2018-12-19 16:02:54 · 1684 阅读 · 0 评论 -
机器学习之特征工程-数据预处理
摘自 jacksu在简书 机器学习之特征工程-数据预处理https://www.jianshu.com/p/23b493d38b5b 通过特征提取,我们能得到未经处理的特征,这时的特征可能有以下问题:不属于同一量纲:即特征的规格不一样,不能够放在一起比较。无量纲化可以解决这一问题。信息冗余:对于某些定量特征,其包含的有效信息为区间划分,例如学...转载 2018-12-20 14:18:51 · 371 阅读 · 0 评论 -
树叶子过河 全靠那股子浪劲-代码参考
HKUST-KnowComphttps://github.com/HKUST-KnowComphttps://github.com/HKUST-KnowComp/R-Nethttps://github.com/HKUST-KnowComp/MnemonicReaderberthttps://github.com/google-research/bertAn open-source NL...原创 2018-12-21 09:37:40 · 703 阅读 · 0 评论 -
使用回归分析,样本过少时不妨好先看看散点图
摘自 刘重杰 https://cosx.org/2009/01/regression-with-graphics## 使用回归分析,样本过少时不妨好先看看散点图回归分析往往是学统计、学计量课程时接触的第一个统计模型了,甚至不少人可能认为回归分析理所当然成为计量的绝大部分内容——毕竟很多教材中提到统计模型的时候,往往就一个 OLS 为主的讲法。回归分析的内容当然很广泛,也在学科中占据相对基础的...转载 2018-12-11 10:05:48 · 6315 阅读 · 0 评论 -
SKlearn回归模型调包练习
摘自 一只咸狗https://blog.csdn.net/u013982164/article/details/80364500 看了录播后照着代码敲了一遍 sklearn常用分类回归算法简介 对能了解SKlearn常规套路,但模型具体的参数需要进一步了解。# 引入必要的第三方包from skl...转载 2018-12-11 15:47:36 · 753 阅读 · 1 评论 -
使用sklearn做单机特征工程
使用sklearn做单机特征工程 使用sklearn做单机特征工程 目录1 特征工程是什么?2 数据预处理 2.1 无量纲化 2.1.1 标准化 2.1.2 区间缩放法 2.1.3 标准化与归一化的区别 2.2 对定量特征二值化 2.3 对定性特征哑编码 2.4 缺失值计算 2.5 数据变换 2.6 回顾3 特...转载 2018-12-08 11:28:31 · 212 阅读 · 1 评论