摘要：
算法概述 CART(Classification And Regression Tree)算法是一种决策树分类方法。 它采用一种二分递归分割的技术，分割方法采用基于最小距离的基尼指数估计函数，将当前的样本集分为两个子样本集，使得生成的的每个非叶子节点都有两个分支。因此，CART算法生成的决策树是结构 阅读全文
摘要：
GridSearchCV 简介： GridSearchCV，它存在的意义就是自动调参，只要把参数输进去，就能给出最优化的结果和参数。但是这个方法适合于小数据集，一旦数据的量级上去了，很难得出结果。这个时候就是需要动脑筋了。数据量比较大的时候可以使用一个快速调优的方法——坐标下降。它其实是一种贪心算法 阅读全文
摘要：
xgboost的实现方式为多颗CART树，其实xgboost就是类似于随机森林，但是与随机森林不同，他不是多个子树决策的结果，CART树最后会算出一个得分，是一个值，最后算出分类的时候，是多个值结合在一起用一个式子算出分类的。 这里只记录xgboost的使用方式： 阅读全文
摘要：
jieba分词最重要的就是字典，我们一般用jieba的话是用的它通用的字典，这样在特定的环境中无法分成我们想要的效果，我们需要根据我们自己的生产环境自己添加我们的字典，然后下载jieba源码进行更改，里面分词用了TFIDF和Textrank算法来求关键词，如果求关键词时，在idf.txt文件中没有这 阅读全文
摘要：
肘部法则：畸变程度的改善效果下降幅度最大的位置就是肘部，一般用畸变程度来确定最佳的值。 畸变程度：每个类别距离其该类中心点的距离称为畸变程度 阅读全文
摘要：
1.先使用pip安装pyltp-0.2.1-cp36-cp36m-win_amd64.whl 2.再参考API文档进行具体的使用：http://pyltp.readthedocs.io/zh_CN/develop/api.html Pyltp包地址：链接：https://pan.baidu.com/ 阅读全文
摘要：
GRU模型（比LSTM减少了计算量） LSTM的模型，LSTM的重复网络模块的结构很复杂，它实现了三个门计算，即遗忘门、输入门和输出门。 而GRU模型如下，它只有两个门了，分别为更新门和重置门，即图中的Zt和Rt。更新门用于控制前一时刻的状态信息被带入到当前状态中的程度，更新门的值越大说明前一时刻的 阅读全文
摘要：
LDA只是一个求解思路。 1.理解LDA首先要理解EM算法，EM不能叫做一个算法，只是一个思想：它要求解的其实是一个极大似然估计，就是我用已知量去求解导致这个已知量出现的最大概率，而在这里又恰恰有点偏，这个已知量是我们开始给定的这个初值，我们要去用这个已知量去求解最大，然后再用这个最大值再带入到我们 阅读全文
摘要：
1.tf.convert_to_tensor:传入的list必须是一个有固定长度的list，如果为2维的list，第二维的list的长度必须是固定。 2.tf.layers.conv1d(),默认宽卷积，里面的参数filter_size，为卷积核的height，而卷积核的width为输入的width 阅读全文
摘要：
LSTM 网络 Long Short Term 网络—— 一般就叫做 LSTM ——是一种 RNN 特殊的类型，可以学习长期依赖信息。LSTM 由Hochreiter & Schmidhuber (1997)提出，并在近期被Alex Graves进行了改良和推广。在很多问题，LSTM 都取得相当巨大 阅读全文