原创 算法工程師(機器學習)部分面試題(轉載參考)

其他參考:https://www.jianshu.com/p/980efc8105b2?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=rec

原创 Python之Numpy數組拼接--組合--連接--切分--變形(stack,hstack,vstack,dstack,vsplit,concatenate等)

Python之Numpy數組拼接,組合,連接 轉自:https://www.douban.com/note/518335786/?type=like stack(),hstack(),vstack() dstack()  vsplit()

原创 Keras實現LeNet網絡參考

模型論文地址 Yann LeCun(1998)的論文《Gradient-Based Learning Applied to Document Recognition》,用於MNIST數據集。 模型結構說明 輸入爲32X32的灰度圖像,第一

原创 提升深度學習模型的表現,你需要這20個技巧

原文:https://www.jiqizhixin.com/articles/2016-09-26-2 提升深度學習模型的表現,你需要這20個技巧 By 機器之心2016年9月26日 15:12 本文原文的作者 Jason Brown

原创 連續特徵離散化參考地址

連續特徵離散化:https://blog.csdn.net/ztf312/article/details/53991329https://blog.csdn.net/hellozhxy/article/details/80675229ht

原创 CNN層調參經驗與Drop層、BN層的使用經驗

    轉載地址:https://www.cnblogs.com/bonelee/p/8534560.html https://blog.csdn.net/sean2100/article/details/83834565   兩篇文章主

原创 PyTorch實現的各類論文和代碼參考(安利供保存收藏)

好久沒更新了說點什麼? 主要是個人原因(4--5月各種私事集中在一起了!)從杭州公司離職回老家處理一下!目前還在老家,在這掛一個大概的工作情況有合適的公司可以聯繫我郵箱[email protected](推薦)或1769172502@

原创 loss問題——工作中對出現的loss問題描述與解決參考

問題一:loss跑飛 如下圖描述 1、學習率(lr)過大,可以自定義一個學習率的值(較小)開始學習。 參考blog:https://blog.csdn.net/CHNguoshiwushuang/article/details/8178

原创 機器學習NLP參考文章

本站整理了一些NLP的入門資料參考,建議初學者看看。 需要複製鏈接在瀏覽器裏打開。   1.通過kaggle比賽學習機器學習文本分類方法https://zhuanlan.zhihu.com/p/34899693?utm_medium=so

原创 數據不平衡問題——SMOTE算法賞析

春節前後好久沒有總結問題了,這一段時間一直在做NLP的文本分類(二分類)問題,遇到了各種問題 。分別如下: 1、數據打標問題。運營人手不夠可把兄弟們累壞了,是我給兄弟們分的任務,別打我嘿嘿。      打標問題主要是業務不熟悉,主觀上分類

原创 Python中from from __future__ import *的用法

from __future__ import *參考:https://blog.csdn.net/zzc15806/article/details/81133045 我們在讀代碼的時候,總是會看到代碼開頭會加上from __future_

原创 Xgboost參數以及調優

現實工作中遇到了xgboost來做基準,原因主要是由於用它來做預測分類效果很理想。後面做深度學習很難能有比他好的。線上往往還是使用的xgboost訓練出來的model! 參考:https://blog.csdn.net/han_xiaoy

原创 Keras—貓狗數據集進行卷積(Conv2D)訓練以及圖像數據增強

 數據增強不可以增強驗證集和測試集!! # !/user/bin/env python # -*- coding:utf-8 -*- """ @author:MXD @file: 小型數據集訓練卷積神經網絡.py @time: 2019

原创 樣本不平衡問題分析與部分解決辦法

最近工作中在處理文本分類問題遇到了分類不均衡的問題,主要還是樣本太少還同時非常的不均衡正負樣本1:10(類別不平衡比例超過4:1,就會造成偏移),就使用了SMOTE方法。 注意:在進行數據增廣的時候一定要將測試集和驗證集單獨提前分開,擴張

原创 大規模文本分類參考(轉發)

前幾天在網上看到了一個blog關於大規模文本分類的內容,在這裏轉發保存一下。 大規模文本分類實踐-知乎看山杯總結   原文地址:http://coderskychen.cn/2017/08/20/zhihucup/ 本文主要介紹了我在知