摘要：
https://www.cnblogs.com/qinxu/p/10137451.html 阅读全文
posted @ 2022-03-31 19:21
朴素贝叶斯
阅读(35)
评论(0)
推荐(0)
2022年3月31日
摘要：
https://www.cnblogs.com/linu-x/p/15698723.html https://blog.csdn.net/zhouzezhou/article/details/52446608 https://zhuanlan.zhihu.com/p/37152572 阅读全文
posted @ 2022-03-31 12:45
朴素贝叶斯
阅读(30)
评论(0)
推荐(0)
2022年3月27日
摘要：
字母名称 英语音标 大写 小写 字母名称 英语音标 大写 小写 alpha /'ælfə/ Α α nu /nju:/ Ν ν beta /'bi:tə/ 或 /'beɪtə/ Β β xi 希腊 /ksi/； 英美 /ˈzaɪ/ 或 /ˈksaɪ/ Ξ ξ gamma /'gæmə/ Γ γ om 阅读全文
posted @ 2022-03-27 17:02
朴素贝叶斯
阅读(485)
评论(0)
推荐(0)
2022年3月25日
摘要：
原地址 想要实现一个优秀的项目，光靠自己一个码农是很难的，我们需要引入别人已经集成好的类包来帮助我们优化项目，这个时候就需要使用maven了。 一、maven是什么 Maven是基于项目对象模型(POM project object model)，可以通过一小段描述信息（配置）来管理项目的构建，报告 阅读全文
posted @ 2022-03-25 15:26
朴素贝叶斯
阅读(109)
评论(0)
推荐(0)
2022年3月20日
摘要：
**交叉验证(Cross Validation)**是常用的一种用来评估模型效果的方法。当样本分布发生变化时，交叉验证无法准确评估模型在测试集上的效果，这导致模型在测试集上的效果远低于训练集。 对抗验证(Adversarial Validation)，并不是一种评估模型效果的方法，而是一种用来确认训 阅读全文
posted @ 2022-03-20 19:02
朴素贝叶斯
阅读(2575)
评论(0)
推荐(0)
2022年3月19日
摘要：
前言 本文将介绍一种快速有效的方法用于实现机器学习模型的调参。有两种常用的调参方法： 网格搜索 随机搜索 每一种都有自己的优点和缺点， 网格搜索速度慢，但在搜索整个搜索空间方面效果很好， 而随机搜索很快，但可能会错过搜索空间中的重要点。 幸运的是，还有第三种选择：贝叶斯优化。 本文我们将重点介绍贝叶 阅读全文
posted @ 2022-03-19 14:17
朴素贝叶斯
阅读(1952)
评论(0)
推荐(0)
摘要：
前言 Hyperopt是最受欢迎的调参工具包，它的主要功能是应用随机搜索，模拟退火以及贝叶斯优化等最优化算法，在不可解析、不可求导的参数空间中，求解函数的最小值。 下面我们首先看看它的一些基本范例用法，然后再使用它来实现对lightgbm模型的自动化调参。 单一参数空间 单一参数可以直接用hyper 阅读全文
posted @ 2022-03-19 10:41
朴素贝叶斯
阅读(943)
评论(0)
推荐(1)
2022年3月18日
摘要：
前言 AUC是一个模型评价指标，只能用于二分类模型的评价，对于二分类模型，还有很多其他评价指标，比如logloss，accuracy，precision。如果你经常关注数据挖掘比赛，比如kaggle，那你会发现AUC和logloss基本上是最常见的模型评价指标。为什么AUC和logloss比accu 阅读全文
posted @ 2022-03-18 15:43
朴素贝叶斯
阅读(1257)
评论(0)
推荐(0)
2022年3月10日
摘要：
概述 Transformer是2017年的一篇论文《Attention is All You Need》提出的一种模型架构，这篇论文里只针对机器翻译这一种场景做了实验，全面击败了当时的机器翻译各个benchmark(基准)上的SOTA。其优点除了效果好之外，由于encoder端是并行计算的，训练的时 阅读全文
posted @ 2022-03-10 23:19
朴素贝叶斯
阅读(7941)
评论(1)
推荐(0)
浙公网安备 33010602011771号