happygril3

摘要： 无向图 举例：“Bob drank coffee at Starbucks” 标记方式1：(名词，动词，名词，介词，名词) 称为l 标记方式2：（名词，动词，动词，介词，名词） 挑选出一个最靠谱的： 我们给每一个标注序列打分，打分越高代表这个标注序列越靠谱，如，凡是标注中出现了动词后面还是动词的标注 阅读全文

摘要： 有向图 抽象：λ代表输入：输入一个句子，λi表示句子中的每个字 O代表输出：【B词首/M词中/E词尾/S单独成词】 max=maxP(O1 O2 On/ λ1 λ2 λn） 假设： （1）当前观察值只与当前隐藏状态有关。观察值相互独立 （2）当前隐藏状态只与前一个状态有关 图结构：λ代表输入的词，O 阅读全文

摘要： 原理：若给某个特征随机加入噪声之后,袋外的准确率大幅度降低,则说明这个特征对于样本的分类结果影响很大,也就是说它的重要程度比较高。 过程： （1）对每一颗决策树，选择相应的袋外数据（out of bag，OOB）​计算袋外数据误差，记为errOOB1【分类为错误率,回归为MSE】 （2）随机对袋外数 阅读全文

摘要： RPC_Server.py import zerorpcimport syssys.path.append('./pm_for_word')from pm_for_word.start import main as cluster class Classify(object): @staticmet 阅读全文

摘要： 阅读全文

摘要： 样本编号 花萼长度(cm) 花萼宽度(cm) 花瓣长度(cm) 花瓣宽度 花的种类 1 5.1 3.5 1.4 0.2 山鸢尾 2 4.9 3.0 1.4 0.2 山鸢尾 3 7.0 3.2 4.7 1.4 杂色鸢尾 4 6.4 3.2 4.5 1.5 杂色鸢尾 5 6.3 3.3 6.0 2.5 阅读全文

摘要： 随机森林：bagging思想，可以并行，训练集权值相同 可以是分类树，回归树 输出结果（分类树）：多数投票 （回归树）：均值 减少方差 对异常数据不敏感 GBDT：拟合损失函数 boosting思想，只能串行，训练集权值不同 以CART为基学习器 只能是回归树 输出结果：所有结果的累加或是加权累加 阅读全文

摘要： 1. grid search网格搜索 优点：效果较好，得到候选参数里的全局最优化结果 缺点：计算复杂 2. 随机网格搜索：防止网格搜索间隔过大而调过最优值 3. 基于贪心的坐标下降梯度搜索：固定其他参数，把某个参数取的最好，迭代一遍得到最终结果。 优点：计算量少 缺点：陷入局部最优解 阅读全文

摘要： 解决样本不均衡问题： 1. 上采样：增加原来样本数量较少的样本，直接复制原来的样本 样本较少 2. 下采样：较少原来样本数量较多的样本，丢弃多于的样本 样本较多 每次正样本数量不变，随机选择等量的不同负样本进行模型训练，反复几次，训练多个模型，投票决定最终的分类 3. 合成样本：增加原来样本数量较少 阅读全文

摘要： 希尔排序:分组排序 是把记录按下标的一定增量分组，对每组使用直接插入排序算法排序； 随着增量逐渐减少，每组包含的关键词越来越多，当增量减至1时，整个文件恰被分成一组，算法便终止。 阅读全文