机器学习
文章平均质量分 51
蚂蚁*漫步
这个作者很懒,什么都没留下…
展开
-
Self-Attention LSTM教程:一步步实现文本分类
LSTM实现文本分类转载 2024-06-25 10:36:08 · 30 阅读 · 1 评论 -
机器学习常见面试题
逻辑回归面试题逻辑回归为什么要对特征进行离散化?在工业界,很少直接将连续值做啥逻辑回归模型的特征输入,而是将连续特征离散化为一系列0、1特征交给逻辑回归模型,优势如下:1、离散特征的增加和减少都很容易,易于模型的快速迭代;2、稀疏向量内积乘法运算速度快,计算结果方便存储,容易扩展;3、离散化后的特征对异常数据有很强的鲁棒性:比如一个特征是年龄>30是1,否则0。如果特征没有离散化,一个异常数据“年龄300岁”会给模型造成很大的干扰;4、离散化后可以进行特征交叉,由M+N个变量变转载 2021-11-24 19:36:29 · 556 阅读 · 0 评论 -
机器学习(scikit-Learn)
# 导入python自带的数据集,及svm训练模型from sklearn import datasetsfrom sklearn import svm# 对预测模型进行打分,精确度from sklearn.metrics import accuracy_score# 导入 iris数据集和digits数据集iris=datasets.load_iris()digits=datasets.load_digits()# 查看数据集# print(iris.data)# # 数据集规模#.原创 2021-11-01 22:06:36 · 699 阅读 · 0 评论