- 博客(6)
- 收藏
- 关注
RSS订阅
1原创 算法课程作业
一、把这个代码的网络结构化出来，画图出来二、emb_sum这个函数的逻辑，用文字表达出来三、minibatch + ranking model样本结合起来，评估一下效果以a9a为训练集，利用train_3.py训练模型，在a8a上进行测试，评估指标AUC值为0.817251四、模型对比1.增加一层隐藏层，第一个隐藏层数据维度为32→20，第二个隐藏层数据维度为20→10。在a9a训练集上的最高精度为0.829。在a8a上进行测试，评估指标AUC值为0.804259。增..
2022-04-26 16:10:01
378
原创 算法课程作业
一、逻辑回归的公式推导二、GD和SGD的逻辑梳理1.GDstep1：初始化参数w,b，得到预测值，计算所有训练样本的预测值与真实值之间的损失函数step2：利用损失函数计算损失函数对各参数的梯度，step3：根据梯度的负方向，对各参数进行更新step4：判断是否达到停止训练条件，达到退出训练，否则继续执行step2~step42.SGD与GD原理一致，不同点在于GD利用所有训练样本计算梯度，而SGD仅利用一个样本便进行一次参数更新，优点是计算速度快，但需要更多的迭代次数
2022-04-17 17:56:05
446
原创 算法课程作业
一、文章分类重写了部分代码，原代码利用各类文章中词语的次数进行条件概率计算，我改为利用各类文章中词语出现的文章篇数进行条件概率计算import os二、面试题1、朴素贝叶斯算法，对缺失值、异常值是否敏感？朴素贝叶斯是一种对缺失值不敏感的分类器，朴素贝叶斯算法能够处理缺失的数据，在算法的建模时和预测时数据的属性都是单独处理的。因此如果一个数据实例缺失了一个属性的数值，在建模时将被忽略，不影响类条件概率的计算，在预测时，计算数据实例是否属于某类的概率时也将忽略缺失属性，不影响最终结果。
2022-04-17 15:22:51
1007
原创 算法课程作业
第四次作业一、"广州塔"例子利用隐马模型对未登录词进行切分每个字的状态在词表中以<词的位置，词性>存储，每个字的状态有多种，不同字各状态之间有转移概率，利用Viterbi算法寻找最大概率（由初始概率，状态转移概率和发射概率组成），根据各字的状态可以完成未登录词的切分二、Viterbi算法1.利用CreateGraph函数找出待分字段S中所有可划分出的词，得到名为WordGraph的嵌套列表，共(len(S) + 2)个列表，第一个和最后一个代表标识位，其余列表表示一个节点，由
2022-04-12 11:22:18
251
原创 文本相似度
1 import jieba 2 import math 3 4 sentenceA = "这只皮靴号码大了，那只号码合适" 5 sentenceB = "这只皮靴号码不小，那只更合适" 6 7 jieba.add_word('这只') 8 jieba.add_word('那只') 9 jieba.add_word('大了') 10 jieba.add_word('不') 11 jieba.add_word('小') 12 jieba.add_word('更'...
2022-04-07 15:36:44
44
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