随笔分类 -  机器学习

摘要：特征决定了最优效果的上限，算法与模型只是让效果更逼近这个上限，所以特征工程与选择什么样的特征很重要！ 以下是一些特征筛选与降维技巧 # -*- coding:utf-8 -*- import scipy as sc import libsvm_file_process as data_process 阅读全文

摘要：根据语料计算词向量，两种模式 CBOW 和 skip-gram # -*- coding:utf-8 -*- import os from gensim.models import word2vec class MySentences(object): def __init__(self, dirn 阅读全文

摘要：1、线性回归、逻辑回归 特征归一化（标准化）、正则化防止过拟合、激活函数的选择、迭代次数 2、KNN K值的选择、距离的定义、决策的权重（不同距离的点赋予不同的权重） 3、神经网络 特征归一化（标准化）、层数、每层的神经元个数、学习速率、批量 batch_size、激活函数、初始化参数，优化器的选择 阅读全文

摘要：learnrate 太大容易跑飞，设置激活函数 可以一定程度上增加learnrate，不跑飞 self.saver = tf.train.Saver() 和 self.init_variable = tf.global_variables_initializer() self.sess.run(se 阅读全文

摘要：1、包的导入 不建议采用如下写法，这样做会破坏命名空间： 应该这样写： 2、numpy 关于赋值 普通的赋值，如b=a，这时，a和b是一个对象，改变了a也就改变了b，并不是将a的值复制一份，赋值给b； 这样做的好处是优化代码效率；numpy尽量避免复制 3、numpy修剪函数 clip 4、绘制散点 阅读全文

摘要：使用jieba库进行分词 安装jieba就不说了，自行百度！ 将标题分词，并转为list 所有标题使用空格连接，方便后面做自然语言处理 将分词后的标题（使用空格分割的标题）放到一个list里面 统计词频 转化为词袋，这一步的输入是一系列的句子（词与词之间使用空格分开），构成的列表。得到的结果是句子中 阅读全文