原创 python~按位取反符

所以會有: 但是: 小例子: 與上面的結論是對應的。 參考: https://www.runoob.com/python/python-operators.html

原创 神經網絡高階技巧7--早停(early stopping)與保存最佳模型

早停法這個詞,其實我們並不陌生。因爲在傳統的機器學習中,我們就用到過。例如在一個xgboost,或者lightgbm模型中,爲了防止過擬合,我們就會用: clf = lgb.train(params=param,train_set=t

原创 關於keras.backend.clear_session()

顧名思義,clear_session就是清除一個session。而session就是tensorflow中我們常見的會話。 來自:https://stackoverflow.com/questions/50895110/what-

原创 神經網絡高階技巧5--關於GolbalAveragePooling與GlobalMaxPooling

最大池化(Maxpooling1D),平均池化(AveragePooling1D)是我們常見且常用的,它們的另一個版本就是加一個global了。 很簡單: 截圖來自:https://blog.csdn.net/JNingWei/ar

原创 c++冒泡排序

要注意的是,上面的 意味着每次都要從頭遍歷。 C++實現:均實現了從小到大的排序。 外層循環表示次數。內層表示每次移動的數據的流向。分爲先找最小的放在最左邊,和先找最大的放在最右邊兩種思路,本質一樣。 #include <ios

原创 神經網絡高階技巧4--關於SpatialDropout1D

參見: https://blog.csdn.net/weixin_43896398/article/details/84762943 但是這裏有一個疑問。文中提到了noise_shape,但是在官方文檔,以及keras.layers.

原创 如何使用glove,fasttext等詞庫進行word embedding?(原理篇)

0 序 本文保證乾貨滿滿~ 看完本文後,你只需要一個glove或者其他已經訓練好的詞庫,也就是一個類似txt的文件,那麼你就可以把一個英文單詞用一個多維(如300維向量)表示出來!並且會帶入到keras中訓練一條龍服務~說專業點,這就

原创 神經網絡高階技巧1--Learning Rate Scheduler

爲什麼突發奇想要寫這麼個系列呢?源於一次面試,其實很多“高階”技巧我們都知道,但是用的多了我們習以爲常,所以在面試介紹項目時不會提及這些。而你不提及的話,就會顯得你很low。所以做一些筆記,讓自己知道這些“高階”技巧。 標題顧名思義,

原创 神經網絡高階技巧2--採用CuDNNLSTM,別再用LSTM了!

以後別再說自己用LSTM()了! CuDNNLSTM與LSTM都是keras.layers裏的實現lstm的單元。那麼二者有什麼區別呢?CuDNNLSTM肯定是隻能用在GPU下,但是LSTM也是可以用在GPU下的啊。 所以問題是:在你

原创 lightgbm可視化後的threshold和leaf_value是什麼意思?

如上圖,是來自一個lgb的一顆樹。上面的threshold和leaf_value是什麼意思呢? threshold即閾值,即根據某個feature分裂的閾值。 leaf_value即未經sigmoid規格化的預測值,所以會有負值。但

原创 lightbgm的gbdt模式爲什麼會有bagging function?

每間隔bagging_freq次迭代做一次重新採樣,採樣的比例則爲bagging_fraction。

原创 ligtgbm的min_sum_hessian_in_leaf參數與xgboost的min_child_weight

首先說明。二者是一回事。(應該吧)。 參見lgbm的官方文檔: 之後參見:https://stackoverflow.com/questions/45248001/what-is-the-meaning-of-min-sum-hes

原创 關於binary_crossentropy與categorical_crossentropy

貼出鏈接: https://blog.csdn.net/Julialove102123/article/details/80236180 https://www.zhihu.com/question/36307214 keras中的二

原创 python畫出AUC曲線

以load_breast_cancer數據集爲例,模型細節不重要,重點是畫AUC的代碼。直接上代碼: from sklearn.datasets import load_breast_cancer from sklearn impor

原创 高斯過程迴歸(資料整理階段)

1.階段1 : https://zhuanlan.zhihu.com/p/44960851 2.階段2: https://zhuanlan.zhihu.com/p/29682965