算法
leemusk
这个作者很懒,什么都没留下…
展开
-
Attention-Based SeriesNet论文读后感
前提—SeriesNetSeriesNet是包含LSTM和DC-CNN两个子网络的混合神经网络,能有效解决非线性、非稳态、以及未知依赖的时间序列的预测问题。但是,其有以下缺点:每一层需要训练的参数量非常大,导致计算效率低没有考虑学习时间特征的attention机制CNN和RNN的conditioning方法并不具体由此,提出了Attention-Based Seriesnet模型。Attention-Based SeriesNetAttention-Based SeriesNet 在Ser原创 2020-08-06 20:10:04 · 507 阅读 · 0 评论 -
seriesnet论文读后感
1. 时间序列时间序列的特点:高纬度具有时间依赖性时间序列根据时间点的抽样变量数分为:单变量时间序列多变量时间序列2. 经典时间序列预测2.1 经典的时间序列预测模型基于autoregression(AR)自回归模型1). autoregression(AR) 模型 特点:是一个随机过程 ;输出变量与前值和随机条件呈线性关系2). moving average(MA) 和 autoregressive moving average(ARMA) 缺点:不适用于non-st原创 2020-08-05 11:42:31 · 490 阅读 · 0 评论 -
spark.ml支持算法总结
一、分类1、Logistic regression1.1 适用的数据逻辑回归通常用于处理自变量是连续变量,因变量是分类变量的回归问题。1.2 代码机器结果原创 2019-12-18 11:24:25 · 2865 阅读 · 0 评论 -
spark官方文档学习---聚类
聚类官方文档K-meansk均值是最常用的聚类算法之一,它将数据点聚集成预定数量的聚类。 MLlib实现包括称为kmeans ||的k-means ++方法的并行变体。Means被实现为一个估计器,并生成一个KMeansModel作为基础模型。from pyspark.ml.clustering import KMeansfrom pyspark.ml.evaluation impo...原创 2019-11-22 09:42:12 · 290 阅读 · 0 评论 -
spark官方文档MLlib学习---分类与回归
分类与回归官方文档一、分类1. 逻辑分类Logistic回归是一种用于预测分类响应的流行方法。 这是广义线性模型的一种特殊情况,可以预测结果的可能性。 在spark.ml中,逻辑回归可以通过使用二项式逻辑回归来预测二进制结果,或者可以通过使用多项逻辑回归来预测多类结果。 使用family参数在这两种算法之间进行选择,或者不设置它,Spark会推断出正确的变体。通过将family参数设置为...原创 2019-11-21 22:58:21 · 735 阅读 · 0 评论 -
spark官方文档Mlib学习(一)
机器学习库指南MLlib时Spark的机器学习库,其目标是使实用的机器学习可扩展切容易。在较高级别,它提供了以下工具:机器学习算法:常用的学习算法如分类,回归,聚类,和协同过滤。特征化:特征抽取,变换,降维和选择管道:用于构建,评估和调整ML管道的工具声明:基于DataFrame的API是主要API基于MLlib RDD的API现在处于维护模式。Data sources在本节中...原创 2019-11-20 16:54:52 · 1059 阅读 · 1 评论 -
logistic_regression---python实现
logistic regression(用python实现)logistic 回归,虽然名字里有 “回归” 二字,但实际上是解决分类问题的一类线性模型。在某些文献中,logistic 回归又被称作 logit 回归,maximum-entropy classification(MaxEnt,最大熵分类),或 log-linear classifier(对数线性分类器)。该模型利用函数 logis...原创 2019-11-17 19:36:01 · 7095 阅读 · 0 评论