机器学习
文章平均质量分 82
总写bug的程序员
代码搬运工,小白一个
展开
-
分类模型的可视化评分技术
准确度统计数据(例如整体准确度)量化了机器学习模型在没有任何对照参考(例如随机猜测或现有模型)的新数据上的预期性能。这就是为什么我们还需要可视化模型评估 - 或评分 - 技术来在更广泛的背景下显示模型性能:针对不同的分类阈值,与其他模型相比,以及从资源使用的角度来看。在本文中,我们将解释如何使用 ROC 曲线、提升图和累积增益图评估分类模型。用例:流失预测模型我们将通过用于流失预测的随机森林模型(100 棵树)演示视觉模型评估技术的实用性。我们使用包含 3333 名电信客户的数据集,包括他们的合.翻译 2021-11-29 10:27:09 · 1345 阅读 · 0 评论 -
什么是聚类以及它是如何工作的?
什么是聚类?让我们直接进入它,看看这个散点图来解释。您可能会注意到,数据点似乎集中在不同的组中(图 1)。图 1. 示例数据的散点图为了使这一点显而易见,我们显示了相同的数据,但现在数据点是彩色的(图 2)。这些点集中在不同的组或集群中,因为它们的坐标彼此接近。在这个例子中,空间坐标表示两个数值特征,它们的空间接近度可以解释为它们在特征方面的相似程度。实际上,我们的数据集中可能有很多特征,但即使在更高维度的空间中,接近性(=相似性)的想法仍然适用。此外,在真实数据中观察集群并不罕见,代表具有相似特征原创 2021-11-23 20:38:51 · 2758 阅读 · 0 评论 -
注意力模型--Attention注意力机制
1.什么是Attention机制?当我们人在看一样东西的时候,我们当前时刻关注的一定是我们当前正在看的这样东西的某一地方,换句话说,当我们目光移到别处时,注意力随着目光的移动也在转移,这意味着,当人们注意到某个目标或某个场景时,该目标内部以及该场景内每一处空间位置上的注意力分布是不一样的。---------(思考:对于图片,会有些特别显眼的场景会率先吸引住注意力,那是因为脑袋中对这类东西很敏感。对于文本,我们大都是带目的性的去读,顺序查找,顺序读,但是在理解的过程中,我们是根据我们自带的目的去理解,去关注转载 2021-03-26 11:11:42 · 1166 阅读 · 0 评论 -
基于Attention的神经网络
基于Attention的神经网络1、回顾Seq2Seq模型Seq2Seq是由一个编码器encoder和解码器decoder组成,encoder输入的是英语,decoder把英语翻译成其他语言。encoder每次读入一个英语词向量x,在状态h中积累输入信息,最后一个状态hm积累了所有的向量x的信息,encoder输出最后一个状态信息hm,把之前的状态向量都扔掉。decoder初始状态S0等于encoder最后一个状态hm,其中hm包含了输入句子的所有信息。之后decoder就像文本生成器一样,逐原创 2021-04-19 19:30:43 · 425 阅读 · 5 评论