![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
ML算法
文章平均质量分 72
Jack_kun
这个作者很懒,什么都没留下…
展开
-
特征学习-RBM与PCA应用在LR
Table of Contents1. 基本信息查询导入package2. 提取PCA 成分3. 提取RBM主成分取出前20个最有代表性的特征提取后20个特征4. RBM在machine learning中效果直接用LR模型采用PCA主成分的LR采用RBM主成分的LR1. 基本信息查询导入packageimport numpy as npimport matplotlib.pyplot ...翻译 2018-12-19 17:38:17 · 837 阅读 · 0 评论 -
Keras中实现神经网络的Stacking方法
Table of Contents1. stack模型的一般集成方式2. 分类任务的定义3. 神经网络-多层感知器4. 训练并保存模型创建MLP模型并训练创建存放模型的文件夹创建MLP子模型并保存5. 独立Stacking Model载入子模型(sub-model)训练元模型(meta-learner)举例: 元模型=llogistic为例6. 集成的stacking Model-神经网络嵌入神...翻译 2019-01-08 17:30:42 · 5149 阅读 · 3 评论 -
集成学习模型stack方法实现
基模型为神经网络,元模型为其它的stack方法class StackingAverageModels_build2(): ''' 第一层的submodel是神经网络 第二层的模型是其他模型。 ''' def __init__(self, X_train, y_train, X_test, y_test): self.X_train = X_...原创 2019-01-08 14:53:30 · 1500 阅读 · 0 评论 -
AutoEncoder自编码学习
Table of Contents一、autoencoder demo练习11. autoencoder函数2. 数据处理-2828变为32323. 图关系网络创建4. 数据读入与训练二、autoencoder 练习2网络搭建-encoder和decoder单独拆分数据准备训练模型应用结果关于由拆分的decoder对新数据预测的结果是否与全网络训练得到的autoencoder预测结果是否相同??...原创 2019-01-10 18:14:57 · 1174 阅读 · 0 评论 -
stacking的实现-mxtend库
Table of Contents关于Stacked的实现库-mlxtend的学习StackingClassifier例子1 简单实现stacking例子2 sub-model的输出是probabilities例子3 结合GridSearch列子4-针对不同整体选用不同模型StackingCVClassifier例子1 简单stackingCV 分类例子2 sub-model的输出是prob...原创 2019-01-10 17:55:17 · 2318 阅读 · 0 评论 -
Feature Engineering-(1)PCA的理解实现
Table of ContentsPCA对比理解与实现一、numpy方式1.数据基本导入2. 绘图函数定义4.计算pca协方差矩阵协方差矩阵的特征值求解查看几个特征值的重要性5.应用求得到的特征值对原数据集进行转换二、采用sklearn1.拟合与训练2.top2的特征值结果3.特征值的重要性(对原数据的可解释性)三、PCA对特征非相关的处理结论:PCA助于减缓特征变量之间的相关性,即使是不减少变...翻译 2018-12-11 15:55:04 · 332 阅读 · 0 评论 -
SVM的核函数之线性和高斯的选择
Table of Contents关于SVM中线性核函数和高斯核函数的选择1.基本数据准备2.各情况对比1. SVM(kernel='linear'):直接采用数据集[966,1850]2. SVM(kernel='rbf'):直接采用数据集[966,1850]3. LR:直接采用数据集[966,1850]4. 降维之后3.小结关于SVM中线性核函数和高斯核函数的选择SVM中常用核函数一般是...原创 2018-12-20 16:31:36 · 16178 阅读 · 3 评论 -
Tensorflow的变量和模型保存以及模型应用
Table of Contents一、模型部分(成功)1.保存的模型2.载入模型并用于预测1.载入图结构和参数2.获取图3.获取tensor4.新的input准备5.应用与预测6.其他内容6.1 查看tensor、node等6.2关于不同版本的checkpoint文件理解二、学习其他简单的1. 保存变量2. 恢复变量3. 选择想要保存的和恢复的变量(还不太明白)三、保存和恢复模型1. 构建和加载...原创 2018-12-14 16:59:16 · 1468 阅读 · 0 评论 -
集成方法-Stack理解
集成方法-Stack理解什么是STACK?原理?什么是STACK?它是机器学习常用集成方法三大类别之一,在各大kaggle表现优异,广受欢迎。基本思想是:不同模型发挥本身的优势,在他们学习的基础之上,进行融合。原理?数据集划分为train(train_a+train_b)=[train_a+train_b, label_a+label_b]和test=[test, test_label]...原创 2019-01-08 17:33:31 · 801 阅读 · 2 评论