- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Task3_SVM学习
1. 简介 1.1 什么是SVM 支持向量机（Support Vector Machine，SVM）是一个非常优雅的算法，具有非常完善的数学理论，常用于数据分类，也可以用于数据的回归预测中，由于其优美的理论保证和利用核函数对于线性不可分问题的处理技巧， 在上世纪90年代左右，SVM曾红极一时。 本文将不涉及非常严格和复杂的理论知识，力求于通过直觉来感受 SVM。 2.实践 ## 基础函数库 import numpy as np ## 导入画图库 import matplotlib.pyplot as plt
2020-08-26 23:07:46
117
原创 Task2_决策树
1. 简介 1.1 什么是决策树 决策树是一种常见的分类模型，在金融分控、医疗辅助诊断等诸多行业具有较为广泛的应用。决策树的核心思想是基于树结构对数据进行划分，这种思想是人类处理问题时的本能方法。 1.2 决策树的优点 具有很好的解释性，模型可以生成可以理解的规则。 可以发现特征的重要程度。 模型的计算复杂度较低。 1.3 决策树的缺点 模型容易过拟合，需要采用减枝技术处理。 不能很好利用连续型特征。 预测能力有限，无法达到其他强监督模型效果。 方差较高，数据分布的轻微改变很容易造成树结构完全不同。
2020-08-22 22:17:46
138
原创 Task1_LR学习
1. 简介 1.1 什么是LR? 逻辑回归（Logistic regression，简称LR）虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。 而对于逻辑回归而言，最为突出的两点就是其模型简单和模型的可解释性强。 1.2 LR的优劣势 2.1 优点： 实现简单，易于理解和实现 计算代价不高，速度很快，存储资源低 2.2 缺点： 容易欠拟合 分类精度可能不高
2020-08-20 23:33:33
188
原创 零基础入门NLP_Task6 基于深度学习的文本分类3_Bert
Task6 基于深度学习的文本分类3 Author: 2tong 与传统机器学习不同，深度学习既提供特征提取功能，也可以完成分类的功能。 Bert BERT是一个基于Transformer的多层Encoder，通过执行一系列预训练，进而得到深层的上下文表示。 相关知识 Transformer原理 Transformer模型的编码部分是一组编码器的堆叠（论文中依次堆叠六个编码器），模型的解码部分是由相同数量的解码器的堆叠。 ####### 相关论文 Attention is All You Need
2020-08-04 23:49:19
822
原创 from __future__ import print_function 用途？
最近阅读代码的时候，常见到如下所示的代码： from __future__ import print_function import torch from __future__ import print_function的作用主要是在python2.X中引入python3.X的print特性。 from __future__ import print_function print("hello, 2tong.") ...
2020-08-01 20:14:22
235
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人