算法课程
kk?
这个作者很懒,什么都没留下…
展开
-
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..原创 2022-04-26 16:10:01 · 426 阅读 · 0 评论 -
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原创 2022-04-17 17:56:05 · 476 阅读 · 0 评论 -
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。原创 2022-04-17 15:22:51 · 1046 阅读 · 0 评论 -
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,由原创 2022-04-12 11:22:18 · 280 阅读 · 0 评论