ExplorerMan

摘要： 提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、决策树模型二、解析决策树模型1. 模型分解2. 构建决策二叉树3. 生成代码3.1 生成python代码3.1 生成C++代码三、扩展3.1 验证3.2 深层决策树总结引用前言提示：这里可以添加本文要记录的大概内容： 阅读全文

摘要： 了解过机器学习的人应该都知道python的sklearn库非常好用的机器学习助手。从sklearn导入某个机器学习的库，调用fit函数即可生成模型，用来预测测试数据。 1、保存模型 如果想将模型保存下来，可以使用dump函数保存，往往会保存为.m或者.pkl文件，如下： joblib.dump(cl 阅读全文

摘要： 1.1 认识文本预处理学习目标文本预处理及其作用文本语料在输送给模型前一般需要一系列的预处理工作, 才能符合模型输入的要求, 如: 将文本转化成模型需要的张量, 规范张量的尺寸等, 而且科学的文本预处理环节还将有效指导模型超参数的选择, 提升模型的评估指标.文本预处理中包含的主要环节文本处理的基本方 阅读全文

摘要： 1.1 认识Pytorch学习目标了解什么是Pytorch.掌握Pytorch的基本元素操作.掌握Pytorch的基本运算操作.什么是PytorchPytorch是一个基于Numpy的科学计算包, 向它的使用者提供了两大功能.作为Numpy的替代者, 向用户提供使用GPU强大功能的能力.做为一款深度 阅读全文

摘要： 2.1 使用Pytorch构建一个神经网络学习目标掌握用Pytorch构建神经网络的基本流程.掌握用Pytorch构建神经网络的实现过程.关于torch.nn:使用Pytorch来构建神经网络, 主要的工具都在torch.nn包中.nn依赖于autograd来定义模型, 并对其自动求导.构建神经网络 阅读全文

摘要： 什么是特征工程有这么一句话在业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢？顾名思义，其本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。通过总结和归纳，人们认为特征工程包括以下方面： 特征工程的常用处理方法1.时间戳 阅读全文

摘要： 在机器学习的上下文中，超参数是在开始学习过程之前设置值的参数。 相反，其他参数的值通过训练得出。 超参数： 定义关于模型的更高层次的概念，如复杂性或学习能力。 不能直接从标准模型培训过程中的数据中学习，需要预先定义。 可以通过设置不同的值，训练不同的模型和选择更好的测试值来决定 超参数的一些示例： 阅读全文

摘要： word2vec是2013年Google开源的一款用于词向量计算的工具 fastText是Facebook于2016年开源的一个词向量计算和文本分类工具 GloVe是斯坦福团队于2014年提出一个词向量方法,全名叫“Global Vectors”,直接利用全局的统计信息进行训练 阅读全文

摘要： 如今机器学习和人工智能是大家耳熟能详的两个词汇，在我们日常生活中也是被高频的提到。其实机器学习只是人工智能的一部分，是人工智能的一个子集，它往往是通过示例和经验模型让计算机去执行一些操作任务，研究人员和开发人员比较比较热衷于它。在生活中，我们应用的很多东西其实都使用的是机器学习算法，例如我们使用的好 阅读全文

摘要： 1.3 训练词向量学习目标了解词向量的相关知识.掌握fasttext工具训练词向量的过程.词向量的相关知识:用向量表示文本中的词汇(或字符)是现代机器学习中最流行的做法, 这些向量能够很好的捕捉语言之间的关系, 从而提升基于词向量的各种NLP任务的效果.使用fasttext工具训练词向量的过程第一步 阅读全文