原创 【小白學AI】八種應對樣本不均衡的策略
文章來自：微信公衆號【機器學習煉丹術】 目錄1 什麼是非均衡2 8種解決辦法2.1 重採樣（四種方法）2.2 調整損失函數2.3 異常值檢測框架2.4 二分類變成多分類2.5 EasyEnsemble 1 什麼是非均衡 分類(classif
2020-08-03 13:01:35
原创 焦點損失函數 Focal Loss 與 GHM
文章來自公衆號【機器學習煉丹術】 1 focal loss的概述 焦點損失函數 Focal Loss（2017年何凱明大佬的論文）被提出用於密集物體檢測任務。 當然，在目標檢測中，可能待檢測物體有1000個類別，然而你想要識別出來的物體，只
2020-08-02 13:01:16
原创 【小白學AI】線性迴歸與邏輯迴歸（似然參數估計）
文章轉自【機器學習煉丹術】 線性迴歸解決的是迴歸問題，邏輯迴歸相當於是線性迴歸的基礎上，來解決分類問題。 1 公式 線性迴歸(Linear Regression)是什麼相比不用多說了。格式是這個樣子的： \(f_{w,b}(x)=\sum_
2020-08-02 13:01:16
原创 【機器學習的Tricks】隨機權值平均優化器swa與pseudo-label僞標籤
文章來自公衆號【機器學習煉丹術】 1 stochastic weight averaging（swa） 隨機權值平均 這是一種全新的優化器，目前常見的有SGB，ADAM， 【概述】：這是一種通過梯度下降改善深度學習泛化能力的方法，而且不
2020-08-01 13:01:06
原创 【評價指標】詳解F1-score與多分類MacroF1&MicroF1
文章來自：一個寶藏微信公衆號【機器學習煉丹術】 基本概念 首先，要背住的幾個概念就是：accuracy,precision,recal, TP,FP,TN,FN TP:true positive。預測是正確的正樣本 FP:false po
2020-07-28 13:01:08
原创 乾貨 | 這可能全網最好的BatchNorm詳解
文章來自：公衆號【機器學習煉丹術】。求關注~ 其實關於BN層，我在之前的文章“梯度爆炸”那一篇中已經涉及到了，但是鑑於面試經歷中多次問道這個，這裏再做一個更加全面的講解。 Internal Covariate Shift（ICS） Batc
2020-07-28 13:01:08
原创 項目總結 | 對【時間】構建的特徵工程
寫文章的目的在於之前面試的時候，提到某一個時間序列項目的特徵工程處理。我說的大多數都是一些數據清洗、數據去除異常點、針對數據特性做出的特別的特徵工程的操作，然後面試官給我的建議是下一次面試多說一下常規的特徵工程處理，因爲這樣面試官纔會跟你有
2020-07-27 13:01:29
原创 圖像增強 | CLAHE 限制對比度自適應直方圖均衡化
1 基本概述 CLAHE是一個比較有意思的圖像增強的方法，主要用在醫學圖像上面。之前的比賽中，用到了這個，但是對其算法原理不甚瞭解。在這裏做一個覆盤。 CLAHE起到的作用簡單來說就是增強圖像的對比度的同時可以抑制噪聲 CLAHE的英文是C
2020-07-27 13:01:29
原创 項目總結 | 九種缺失值處理方法總有一種適合你
爲什麼要處理缺失值 這一段完全是廢話了。含有缺失數據的樣本，你要麼刪了，要了就填充上什麼值。刪了就會損失一部分的樣本信息，填充要是填充的不合適，會給樣本增加噪音。 所以這就是一個選擇的問題： 選擇刪除還是填充； 選擇填充方式 處理缺失值
2020-07-26 13:01:04
原创 通俗易懂 | 拉格朗日乘子法
在SVM中，將約束問題轉化成非約束問題採用到了拉格朗日乘子法。這個文章就講一下拉格朗日乘子法與KKT約束是怎麼回事。本人不是數學科班出身，但是也只能硬着頭皮講一講了。 從零理解 現在我們要解決這樣一個問題： \(x^2y=3\) 這個函數距
2020-07-26 13:01:04
原创 一分鐘速學 | NMS, IOU 與 SoftMax
非極大抑制 NMS的英文是Non-maximum suppression的縮寫。 簡單的說，就是模型給出了多個重疊在一起的候選框，我們只需要保留一個就可以了。其他的重疊的候選框就刪掉了，效果可見下圖： 交併比 IoU的英文全稱Inters
2020-07-25 13:01:09
原创 大彙總 | 一文學會八篇經典CNN論文
本文主要是回顧一下一些經典的CNN網絡的主要貢獻。 論文傳送門 【google團隊】 [2014.09]inception v1: https://arxiv.org/pdf/1409.4842.pdf [2015.02]inceptio
2020-07-25 13:01:09
原创 AI面試之SVM推導
SVM現在主流的有兩個方法。一個是傳統的推導，計算支持向量求解的方法，一個是近幾年興起的梯度下降的方法。 梯度下降方法的核心是使用了hinge loss作爲損失函數，所以最近也有人提出的深度SVM其實就是使用hinge loss的神經網絡。
2020-07-23 13:01:29
原创 工程能力UP | LightGBM的調參乾貨教程與並行優化
這是個人在競賽中對LGB模型進行調參的詳細過程記錄，主要包含下面六個步驟： 大學習率，確定估計器參數n_estimators/num_iterations/num_round/num_boost_round； 確定num_leaves和m
2020-07-23 13:01:29
原创 AI面試題之深入淺出卷積網絡的平移不變性
卷積網絡的平移不變性可能會經常在論文中看到，那這個到底是什麼呢？看了一些論文的原文和網絡上十幾篇講這個的博文，大概捋清了思路然後寫下這個。不得不說，有的博文講的有那麼點問題。 1 什麼是不變性 【不變性】就是目標發生了變換，但是你依然可以識
2020-07-22 13:01:18