原创 動手學深度學習-12 循環神經網絡基礎
循環神經網絡基礎 循環神經網絡 從零開始實現循環神經網絡 我們先嚐試從零開始實現一個基於字符級循環神經網絡的語言模型，這裏我們使用周杰倫的歌詞作爲語料，首先我們讀入數據： import torch import torch.nn a
2020-06-17 14:35:31
原创 Task 03: 數據的特徵工程
1 特徵工程目標 對於特徵進行進一步分析，並對於數據進行處理 完成對於特徵工程的分析，並對於數據進行一些圖表或者文字總結並打卡。 2 內容介紹 常見的特徵工程包括： 異常處理： 通過箱線圖（或 3-Sigma）分析刪除異常值；
2020-06-17 14:35:31
原创 動手學深度學習-17 凸優化
優化與深度學習 優化與估計 儘管優化方法可以最小化深度學習中的損失函數值，但本質上優化方法達到的目標與深度學習的目標並不相同。 優化方法目標：訓練集損失函數值 深度學習目標：測試集損失函數值（泛化性） %matplotlib inlin
2020-06-17 14:35:31
原创 Task04 建模調參
5.1 學習目標 瞭解常用的機器學習模型，並掌握機器學習模型的建模與調參流程 完成相應學習打卡任務 5.2 內容介紹 線性迴歸模型： 線性迴歸對於特徵的要求； 處理長尾分佈； 理解線性迴歸模型； 模型性能驗證： 評價函數與目標函數；
2020-06-17 14:35:31
原创 動手學深度學習-01：線性迴歸
代碼分析見鏈接： https://download.csdn.net/download/zuyuhuo6777/12156512 一、線性迴歸 主要內容包括： 線性迴歸的基本要素 線性迴歸模型從零開始的實現 線性迴歸模型使用pytorch
2020-06-17 12:51:31
原创 Task05 模型集成
5.1 模型融合目標 對於多種調參完成的模型進行模型融合。 完成對於多種模型的融合，提交融合結果並打卡。 5.2 內容介紹 模型融合是比賽後期一個重要的環節，大體來說有如下的類型方式。 簡單加權融合: 迴歸（分類概率）：算術平均
2020-06-17 12:51:21
原创 python中的定製類（形如__xxx__的變量）很有意思，發現很重要（持續更新）
剛開始研究這個，是在看pytorch框架內的具體類的源代碼的時候，發現這個很重要，來安利一波 python中除了可以使用內建的類型，如list,tuple,dict，還可以創建自己的對象來實現像這些內建類型的訪問，不過需要在定義類的時
2020-05-31 16:08:40
原创 python 知識點總結1（持續更新）
1、enumerate()使用 對一個列表，既要遍歷索引又要遍歷元素時，首先可以這樣寫： list = ['This', 'is', 'a', 'test'] for i in range(len(list)): prin
2020-05-31 16:08:30