深度学习
文章平均质量分 68
阿君聊风控
一名有7年以上电商和互金小贷的风控算法工程师,乐于风控经验和知识的传播,期待找到同行交流风控经验
展开
-
自编码 欺诈检测代码
数据还是使用信用卡的数据,数据来自于kaggle上的一个信用卡欺诈检测比赛,数据质量高,正负样本比例非常悬殊,很典型的异常检测数据集,在这个数据集上来测试一下各种异常检测手段的效果。当然,可能换个数据集结果就会有很大不同,结果仅供参考。信用卡欺诈是指故意使用伪造、作废的信用卡,冒用他人的信用卡骗取财物,或用本人信用卡进行恶意透支的行为,信用卡欺诈形式分为3种:失卡冒用、假冒申请、伪造信用卡。原创 2023-12-01 16:54:39 · 105 阅读 · 0 评论 -
使用paddle ernie预训练模型进行中文文本分类代码
使用paddle的预训练模型ernie进行中文文本二分类的代码实现包括:模型训练、模型预测、动静图模型转化、模型的部署和上线预测原创 2022-06-22 15:41:00 · 2003 阅读 · 1 评论 -
使用paddlepaddle的LSTM进行文本分类的代码
用paddlepaddle的LSTM进行文本分类的代码原创 2022-06-15 18:51:01 · 940 阅读 · 0 评论 -
DNN知识图谱
原创 2020-05-07 14:50:13 · 236 阅读 · 0 评论 -
神经网络反向传播的推导过程
神经网络反向传播的推导过程参考链接:https://blog.csdn.net/yexiaohhjk/article/details/84577151转载 2020-01-19 16:19:35 · 219 阅读 · 0 评论 -
keras的Model模型的参数说明
keras的Model模型的参数说明keras中的容易混淆的概念:epoch: 一个epoch是把所有训练样本训练一遍。batch_size:计算梯度下降时每个batch包含的样本量steps_per_epoch:一轮epoch训练包含的步数,默认=None(样本总数/batch_size)注意 :batch_size和steps_per_epoch是等价的,当同时设置这两个...原创 2020-01-16 18:02:46 · 3184 阅读 · 0 评论 -
使用LSTM预测用户的质量
使用LSTM预测用户的质量使用用户的页面点击行为数据,预测用户的好坏代码:import numpy as npfrom numpy.random import seedseed(1)from tensorflow import set_random_seedset_random_seed(2)import pdbimport sysimport jsonimport nump...原创 2020-01-16 17:16:12 · 609 阅读 · 0 评论 -
使用LSTM预测股票数据
使用LSTM预测时间序列2背景:测试https://blog.csdn.net/a819825294/article/details/54376781 (python利用LSTM进行时间序列分析预测)中的实验原理:使用历史前50个股票样本的值,预测当前样本的值数据0.8414709850.8737363970.902553570.9278087770.9494023460.967...原创 2020-01-16 14:51:02 · 774 阅读 · 0 评论 -
RNN&LSTM学习笔记
深度学习-RNN&LSTM学习笔记RNN中的关键词:时序数据:有前后依赖关系的数据序列。例如:对一个包含 3 个单词的语句,那么展开的网络便是一个有 3 层神经网络,每一层代表一个单词。循环:RNN 之所以称为循环神经网路,是因为一个序列当前的输出与前面的输出有关。具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中,即隐藏层之间的节点不再无连接而是有连接的,也就是说隐...原创 2020-01-16 14:43:30 · 702 阅读 · 0 评论 -
使用LSTM预测空气质量pm2.5
使用LSTM预测时间序列数据文章目录背景结论代码实验结果RNN和DNN的区别RNN和LSTM的区别背景复现 @“使用Keras进行LSTM实战” https://blog.csdn.net/u012735708/article/details/82769711 中的实验熟悉用LSTM模型训练验证将时序数据 转化为分类问题后,预测是否有效果对比SimpleRNN与LSTM模型 哪个效...原创 2020-01-15 12:02:53 · 9118 阅读 · 1 评论 -
自编码网络
自编码网络的原理自编码的目的就是学习到原始数据的精髓,然后将这个精髓送到网络中进行学习,其也可以理解和PCA一样,实现对原始数据进行降维处理。使用了反向传播算法,目标是使输出=输入 ,原始数据A—》B-----》C 其中B代表原始数据的精髓,C是解编码的数据,通过缩小A和C的误差,来实现得到比较准确的B。最终得到B进行接下来的学习。利用中间隐层B对输入A的压缩表达,达到像P...原创 2019-11-21 17:08:36 · 306 阅读 · 0 评论 -
深度学习-激活函数
深度学习-激活函数一、激活函数介绍激活函数是对输入信息进行非线性变换, 然后将变换后的输出信息作为输入信息传给下一层神经元。当我们不用激活函数时,权重和偏差只会进行线性变换。线性方程很简单,但解决复杂问题的能力有限。没有激活函数的神经网络实质上只是一个线性回归模型。激活函数对输入进行非线性变换,使其能够学习和执行更复杂的任务。我们希望我们的神经网络能够处理复杂任务,如语言翻译和图...原创 2019-11-20 11:37:55 · 1009 阅读 · 0 评论 -
深度学习的正则化方法
深度学习的正则化方法:dropoutDropout是由Srivastava等人在2014年的一篇论文中提出的一种针对神经网络模型的正则化方法“Dropout: A Simple Way to Prevent Neural Networks from Overfitting”(下载PDF)。Dropout是在训练期间随机选择的一些神经元忽略的技术。他们随机“Dropout”。这意味着它们对下游...原创 2019-11-19 19:59:20 · 358 阅读 · 0 评论 -
Keras
keras知识点介绍一、keras介绍keras是一个高层神经网络的api由纯python编写而成,基于tensorflow、Theano以及CNTK作为后端,默认使用tensorflowKeras 为支持快速实验而生,能够把你的idea迅速转换为结果简易和快速的原型设计(keras具有高度模块化,极简,和可扩充特性)支持CNN和RNN,或二者的结合无缝CPU和GPU切换Kera...原创 2019-11-19 17:36:19 · 474 阅读 · 0 评论