6. 学习分类文本1 有监督分类 1.1 性别鉴定 1.2 选择正确的特征 1.3 文档分类 1.4 词性标注 1.5 探索上下文语境 1.6 序列分类 1.7 其他序列分类方法 2 有监督分类的更多例子 2.1 句子分割 2.2 识别对话行为类型 2.3 识别文字蕴含 2.4 扩展到大型数据集 3 评估 3.1 测试集 3.2 准确度 3.3 精确度和召回...

第7章 集成方法 ensemble method集成方法: ensemble method（元算法: meta algorithm） 概述 集成方法 场景 随机森林随机森林 概述 随机森林 原理 项目案例: 声纳信号分类项目概述 开发流程 AdaBoostAdaBoost (adaptive boosting: 自适应 boosting) 概述 AdaB...

1. 深度学习简介1.1. 起源 1.2. 发展 1.3. 成功案例 1.4. 特点 1.5. 小结 1.6. 练习 1.7. 参考文献 1.8. 扫码直达讨论区 1. 深度学习简介 你可能已经接触过编程，并开发过一两款程序。同时你可能读过关于深度学习或者机器学习的铺天盖地的报道，尽管很多时候它们被赋予了更广义的名字：人工智能。实际上，或者说幸运的是，...

Python编码关于断言 答案 答案 答案 鸢尾花数据集 Python编码 这次我们不将数据直接写在Python代码中，而是放到两个文本文件里：athletesTrainingSet.txt和athletesTestSet.txt。 我会使用第一个文件中的数据来训练分类器，然后使用测试文件里的数据来进行评价。 文件格式大致如下： 文件中的每一...

图像分类说明: 背景介绍 效果展示 模型概览CNN VGG GoogLeNet ResNet 数据准备模型结构Paddle 初始化 VGG ResNet Inference Program 配置 Train Program 配置 Optimizer Function 配置 训练模型Data Feeders 配置 Trainer 程序的实现 训练主循环...

3.6. softmax回归的从零开始实现3.6.1. 获取和读取数据 3.6.2. 初始化模型参数 3.6.3. 实现softmax运算 3.6.4. 定义模型 3.6.5. 定义损失函数 3.6.6. 计算分类准确率 3.6.7. 训练模型 3.6.8. 预测 3.6.9. 小结 3.6.10. 练习 3.6. softmax回归的从零开始实现 这...

征信和权属管理征信管理 权属管理 其它项目 征信和权属管理 征信管理 征信管理是一个巨大的潜在市场，据称超过千亿规模（平安证券报告，美国富国银行报告），也是目前大数据应用最有前途的方向之一。 目前的征信相关的大量有效数据主要集中在少数机构手中。由于这些数据太过敏感，并且是商业命脉，往往会被严密保护起来，进而形成很高的行业门槛。 虽然现在大量的互联...

VisualDL 使用指南概述 动态添加数据组件LogWriter — 记录器 scalar — 折线图组件 histogram — 直方图组件 image — 图片可视化组件 text — 文本组件 audio — 音频播放组件 high dimensional — 数据降维组件 graph — 神经网络可视化组件 VisualDL 使用指南 概...

nnadaptive_pool2d adaptive_pool3d add_position_encoding affine_channel affine_grid autoincreased_step_counter batch_norm beam_search beam_search_decode bilinear_tensor_product bpr_...

练习 在 100 万例训练集上训练（没有限制）的决策树的近似深度是多少？ 节点的基尼指数比起它的父节点是更高还是更低？它是通常情况下更高/更低，还是永远更高/更低？ 如果决策树过拟合了，减少最大深度是一个好的方法吗？ 如果决策树对训练集欠拟合了，尝试缩放输入特征是否是一个好主意？ 如果对包含 100 万个实例的数据集训练决策树模型需要一个...