Django's blog

2016年12月22日

摘要： http://blog.csdn.net/superzrx/article/details/47073847 安装 SCIKIT-LEARN是一个基于Python/numpy/scipy的机器学习库 windows下最简单的安装方式是使用winpython进行安装 WinPython地址 GBDT使阅读全文

posted @ 2016-12-22 14:38 Django's blog 阅读(1504) 评论(0) 推荐(0)

LDA（latent dirichlet allocation）的应用

摘要： http://www.52ml.net/1917.html 主题模型LDA（latent dirichlet allocation）的应用还是很广泛的，之前我自己在检索、图像分类、文本分类、用户评论的主题词抽取等都用过，做feature、降维等。例如可以用主题维度来表示原来的字典维度，大大的降低了文阅读全文

posted @ 2016-12-22 12:07 Django's blog 阅读(809) 评论(0) 推荐(0)

用GibbsLDA做Topic Modeling

摘要： http://weblab.com.cityu.edu.hk/blog/luheng/2011/06/24/%E7%94%A8gibbslda%E5%81%9Atopic-modeling/#comment-87 Topic Modeling是一种文本挖掘的方法。将文本视作一个由许多许多词组成的数据阅读全文

posted @ 2016-12-22 12:02 Django's blog 阅读(797) 评论(0) 推荐(0)

2016年12月21日

条件随机场CRF简介

摘要： http://blog.csdn.net/xmdxcsj/article/details/48790317 Crf模型 1. 定义一阶（只考虑y前面的一个）线性条件随机场：相比于最大熵模型的输入x和输出y，crf模型的输入输出都是序列化以后的矢量，是对最大熵模型的序列扩展。相比于最大熵模型的另阅读全文

posted @ 2016-12-21 15:22 Django's blog 阅读(1402) 评论(0) 推荐(0)

CRF++中文分词使用指南

摘要： http://blog.csdn.net/marising/article/details/5769653 前段时间写了中文分词的一些记录里面提到了CRF的分词方法，近段时间又研究了一下，特把方法写下来，以备忘，另外，李沫南同学优化过CRF++，见：http://www.coreseek.cn/op 阅读全文

posted @ 2016-12-21 14:33 Django's blog 阅读(841) 评论(0) 推荐(0)

2016年12月20日

LSTM/RNN的应用Case

摘要：作者：许铁-巡洋舰科技链接：https://www.zhihu.com/question/37082800/answer/126430702来源：知乎著作权归作者所有，转载请联系作者获得授权。作者：许铁-巡洋舰科技链接：循环神经网络RNN打开手册 - 混沌巡洋舰 - 知乎专栏来源：知乎著作权归作者阅读全文

posted @ 2016-12-20 14:29 Django's blog 阅读(2369) 评论(0) 推荐(0)

超快的 FastText

摘要： Word2Vec 作者、脸书科学家 Mikolov 文本分类新作 fastText：方法简单，号称并不需要深度学习那样几小时或者几天的训练时间，在普通 CPU 上最快几十秒就可以训练模型，得到不错的结果。 1. fastText 原理 fastText 方法包含三部分：模型架构、层次 Softmax 阅读全文

posted @ 2016-12-20 14:23 Django's blog 阅读(1699) 评论(0) 推荐(0)

scikit-learn 梯度提升树(GBDT)调参小结

摘要：转：http://www.cnblogs.com/pinard/p/6143927.html 在梯度提升树(GBDT)原理小结中，我们对GBDT的原理做了总结，本文我们就从scikit-learn里GBDT的类库使用方法作一个总结，主要会关注调参中的一些要点。 1. scikit-learn GBD 阅读全文

posted @ 2016-12-20 10:32 Django's blog 阅读(60585) 评论(5) 推荐(2)

利用GBDT模型构造新特征具体方法

摘要：利用GBDT模型构造新特征具体方法数据挖掘入门与实战公众号： datadw 实际问题中，可直接用于机器学**模型的特征往往并不多。能否从“混乱”的原始log中挖掘到有用的特征，将会决定机器学**模型效果的好坏。引用下面一句流行的话：特征决定了所有算法效果的上限，而不同的算法只是离这个上限的距离阅读全文

posted @ 2016-12-20 10:22 Django's blog 阅读(1270) 评论(0) 推荐(0)

GBDT（MART）迭代决策树入门教程 | 简介

摘要：在网上看到一篇对从代码层面理解gbdt比较好的文章，转载记录一下： GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做阅读全文

posted @ 2016-12-20 10:05 Django's blog 阅读(563) 评论(0) 推荐(0)

公告