摘要：
1. Python环境设置和Flask基础 使用“Anaconda”创建一个虚拟环境。如果你需要在Python中创建你的工作流程，并将依赖项分离出来，或者共享环境设置，“Anaconda”发行版是一个不错的选择。 安装 "here" 安装必要的Python包: & . 尝试一个简单的“Flask”H 阅读全文
摘要：
几个月前，数学家 Andrew Beveridge和Jie Shan在数学杂志上发表《权力的网络》，主要分析畅销小说《冰与火之歌》第三部《冰雨的风暴》中人物关系，其已经拍成电视剧《权力的游戏》系列。他们在论文中介绍了如何通过文本分析和实体提取构建人物关系的网络。紧接着，使用社交网络分析算法对人物关系 阅读全文
摘要：
数据并行（选读） ========================== Authors : "Sung Kim" and "Jenny Kang" 在这个教程里，我们将学习如何使用 来使用多GPU。 PyTorch非常容易就可以使用多GPU，用如下方式把一个模型放到GPU上： GPU: 然后复制所有 阅读全文
摘要：
训练一个分类器 ===================== 上一讲中已经看到如何去定义一个神经网络，计算损失值和更新网络的权重。 你现在可能在想下一步。 关于数据？ 一般情况下处理图像、文本、音频和视频数据时，可以使用标准的Python包来加载数据到一个numpy数组中。 然后把这个数组转换成 。 阅读全文
摘要：
Neural Networks =============== 使用torch.nn包来构建神经网络。 上一讲已经讲过了 ，``nn autograd``包来定义模型并求导。 一个 包含各个层和一个 方法，该方法返回 。 例如： 它是一个简单的前馈神经网络，它接受一个输入，然后一层接着一层地传递，最 阅读全文
摘要：
调参策略 最大化 off_ks + 0.8(off_ks train_ks) .dataframe tbody tr th:only of type { vertical align: middle; } .dataframe tbody tr th { vertical align: top; } 阅读全文
摘要：
LightGBM 1.读取csv数据并指定参数建模 Load data... 开始训练... [1] valid_0's auc: 0.764496 valid_0's l2: 0.24288 Training until validation scores don't improve for 5 阅读全文
摘要：
xgboost参数 选择较高的学习速率(learning rate)。一般情况下，学习速率的值为0.1。但是，对于不同的问题，理想的学习速率有时候会在0.05到0.3之间波动。选择对应于此学习速率的理想决策树数量。XGBoost有一个很有用的函数“cv”，这个函数可以在每一次迭代中使用交叉验证，并返 阅读全文
摘要：
评分卡 建立逻辑回归模型 对模型进行评分映射 逻辑回归表达式 $$ y = \frac{1}{1 + e^{ \theta}} $$ $$ \theta = WX + B $$ sigmoid函数 $$ sigmoid(x) = \frac{1}{1 + e^{ x}} $$ sigmoid函数的导 阅读全文
摘要：
Autograd: 自动求导机制 =================================== PyTorch 中所有神经网络的核心是 包。 我们先简单介绍一下这个包，然后训练第一个简单的神经网络。 包为张量上的所有操作提供了自动求导。 它是一个在运行时定义的框架，这意味着反向传播是根据你 阅读全文