- 博客(2)
- 资源 (4)
- 收藏
- 关注
RSS订阅翻译 数据准确性和模型准确性
一、遇到了什么问题 昨天在看文献，关于预测中国汽车保有量的。文献中提到了一个数据来源，就是国家统计局每年都会（现在已经暂停）调查不同收入等级（八个等级）收入、人口、汽车拥有量的情况。通过这些数据进行简单的计算就能得到不同收入等级群体的千人保有量情况。这个数据可以估算不同收入与千人保有量之间的函数关系（利用Gompertz funciton模拟），然后再与收入分布曲线结合，两者乘积...
2019-04-19 15:22:44
3702
转载 keras解决多标签分类问题（附python代码）
multi-class classification problem： 多分类问题是相对于二分类问题（典型的0-1分类）来说的，意思是类别总数超过两个的分类问题，比如手写数字识别mnist的label总数有10个，每一个样本的标签在这10个中取一个。multi-label classification problem：多标签分类（或者叫多标记分类），是指一个样本的标签数量不止一个，即一个样本对...
2019-04-01 16:48:10
4899
2019_Online Meta-Learning.pdf
Online Learning有点像自动控制系统，但又不尽相同，二者的区别是：Online Learning的优化目标是整体的损失函数最小化，而自动控制系统要求最终结果与期望值的偏差最小。
Online Learning训练过程也需要优化一个目标函数（红框标注的），但是和其他的训练方法不同，Online Learning要求快速求出目标函数的最优解，最好是能有解析解。
一般的做法有两种：Bayesian Online Learning和Follow The Regularized Leader。
2020-05-03
node2vec: Scalable Feature Learning for Networks
本文借鉴word2vec提出了node2vec，通过maximize the likelihood of preserving network neighborhoods of nodes in a d-dimensional feature space得到特征表示。利用二阶随机游走产生节点社区。
2020-05-03
KDD2019_A Representation Learning Framework for Property Graphs.pdf
PGE采用主流的inductive模型进行邻居聚集。最后实验中对该方法的有效性进行了详细的分析，并通过在实际数据集上的节点分类和链路预测等benchmark应用中，展示了PGE如何比最新的graph embedding方法获得更好的embedding结果，从而验证了PGE的性能。
2020-05-03
_DeepGCNs Can GCNs Go as Deep as CNNs.pdf
Convolutional Neural Networks (CNNs) achieve impressive performance in a wide variety of fields. Their success
benefited from a massive boost when very deep CNN models
were able to be reliably trained. Despite their merits, CNNs
fail to properly address problems with non-Euclidean data.
To overcome this challenge, Graph Convolutional Networks
(GCNs) build graphs to represent non-Euclidean data, borrow concepts from CNNs, and apply them in training. GCNs
show promising results, but they are usually limited to very
shallow models due to the vanishing gradient problem
2020-04-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人