机器学习
文章平均质量分 84
@BangBang
这个作者很懒,什么都没留下…
展开
-
权值衰减weight decay的理解
权值衰减weight decay即L2正则化,目的是通过在Loss函数后加一个正则化项,通过使权重减小的方式,一定减少模型过拟合的问题。L1正则化:即对权重矩阵的每个元素绝对值求和,λ∗∣∣W∣∣λ * ||W||λ∗∣∣W∣∣1/2∗λ∗∣∣W∣∣21/2∗λ∗∣∣W∣∣2注意:正则化项不需要求平均数,因为权重矩阵和样本数量无关,只是为了限制权重规模。L1损失函数。原创 2022-12-29 14:51:54 · 6012 阅读 · 0 评论 -
如何减少模型过拟合
参考:1. 深度学习–解决模型过拟合的问题2. 六种方法帮你解决模型过拟合问题3. 提升深度学习模型泛化性的方法原创 2022-06-18 21:50:41 · 305 阅读 · 0 评论 -
机器学习不平衡数据处理
关于不平衡数据的处理,相关文献数不胜数,几乎大同小异,其中本人比较推荐 两篇文章:在此基础上,本文试图回答以下三个工作中遇到的问题,以供参考。重采样,顾名思义即重新进行采样,它通过减少多数类样本或者增加少数类样本的方式,来直接改变原始数据的分布,强制数据从不平衡转为平衡。;代价敏感学习的核心思想是,从而在追求整体代价最小的目标下,学习器就必定偏向于尽可能将少数类划分正确。...原创 2022-06-18 18:09:45 · 771 阅读 · 0 评论 -
工业智能领域样本不平衡问题解决
近些年,随着智能化应用概念在各个行业的普及、智能应用项目的落地实践,作为智能应用的基础技术-机器学习,也得到了广泛的应用并取得了不错的效果。与此同时,在实际的项目应用中也经历了各种各样的难题,如数据分散难统一、输出结果滞后、数据不准确等,其中样本不平衡就是一个典型的数据问题。...原创 2022-06-18 17:18:18 · 344 阅读 · 0 评论 -
使用librosa进行语音情感识别
语音情感识别,最好的例子可以在呼叫中心看到。如果您注意到了,呼叫中心的员工永远不会以相同的方式交谈,他们与客户的推销/交谈方式会随客户而改变。现在,普通民众也确实会发生这种情况,但这与呼叫中心有何关系?员工可以从语音中识别出客户的情绪,从而可以改善服务质量并吸引更多人。通过这种方式,他们正在使用语音情感识别。因此,让我们详细讨论这个项目。什么是语音情感识别?语音情感识别(缩写为SER)是试图从语音中识别人的情绪和情感状态的行为。这是利用了语音通常通过语调和音调反映潜在情感的事实。这也是动物(如:狗和马)原创 2021-09-01 10:15:45 · 5179 阅读 · 6 评论 -
基于LSTM温度时间序列预测
本文的目的是提供代码示例,并解释使用python和TensorFlow建模时间序列数据的思路。本文展示了如何进行多步预测并在模型中使用多个特征。本文的简单版本是,使用过去48小时的数据和对未来1小时的预测(一步),我获得了温度误差的平均绝对误差0.48(中值0.34)度。利用过去168小时的数据并提前24小时进行预测,平均绝对误差为摄氏温度1.69度(中值1.27)。所使用的特征是过去每小时的温度数据、每日及每年的循环信号、气压及风速。使用来自https://openweathermap.org/原创 2021-08-29 19:28:24 · 5001 阅读 · 1 评论 -
机器学习项目实战模板
机器学习是一项经验技能,经验越多越好。在项目建立的过程中,实践是掌握机器学习的最佳手段。在实践过程中,通过实际操作加深对分类和回归问题的每一个步骤的理解,达到学习机器学习的目的。预测模型项目模板不能只通过阅读来掌握机器学习的技能,需要进行大量的练习。本文将介绍一个通用的机器学习的项目模板,创建这个模板总共有六个步骤。通过本文将学到:端到端地预测(分类与回归)模型的项目结构。如何将前面学到的内容引入到项目中。如何通过这个项目模板来得到一个高准确度的模板。机器学习是针对数据进行自动挖掘,找出数据的内原创 2021-07-04 15:09:39 · 1349 阅读 · 0 评论