JD Blog

A thousand-li journey is started by taking the first step.

Image Data Processing

图像数据如何输入到神经网络，如何图像数据规范化，如何人为增加图像数据，如何解决增加图像数据后产生效率下降问题。 下面引用《TensorFlow：实战Google深度学习框架（第2版）》第七章内容来解决上述问题。 TFRecord输入数据格式 使用词典来维护图像和类别的关系的可扩展性非常差，当数据来源更加复杂、信息更加丰富，就很难有效记录输入数据中的信息。于是TensorFlow提供了T...

Posted by JD on March 16, 2018

Run with TensorFlow

Linear Regression with TensorFlow 根据正常的线性回归公式，如下 \[\hat{\theta}=(X^T\cdot X)^{-1}\cdot X^T \cdot y\] 可用TensorFlow来实现 import numpy as np from sklearn.datasets import fetch_california_housing i...

Posted by JD on February 10, 2018

Ensemble Model

Voting Classifiers 所谓三个臭皮匠赛过诸葛亮，这就是投票集成模型的基本。当学习器各自都是独立的，这样它们可能犯不同的错误，这样效果最佳。 hard voting hard voting是让每个弱学习器预测，然后进行投票，取获得最多票数的结果。如下图： 下面是将逻辑回归，随机森林，支持向量机三种弱学习器使用VotingClassifier进行投票集成。 from...

Posted by JD on February 9, 2018

Cross Validation iterators

交叉检验在机器学习项目中起到提高泛化能力的作用。针对不同样本，使用不同抽样方案。 Cross-validation iterators for i.i.d. data 在机器学习理论中，数据独立同分布是很常见的假设。尽管现实很少见，但是效果还是不错滴。 K-fold 将原本分成K份，其中将第i份当做测试集，剩下的当做训练集，其中\(i\in (1,K)\)，这样需要训练K次。 ...

Posted by JD on February 8, 2018

Model Evaluation

模型性能评估在机器学习中是不可或缺的环节，下面总结了sklearn中比较常用的。 设计时为了统一规则，scoring都是越大越好，像metrics.mean_squared_error是取它的负值neg_mean_squared_error。 Classification accuracy 精确度的计算公式为 \[accuracy(y,\hat{y})=\frac{1}{n...

Posted by JD on February 7, 2018

End to End Machine Learning Project

前段时间在玩Kaggle，看到这本书，写的真的很实用，在这就分享下如何玩转机器学习项目。 Get the Data 在机器学习项目中，可能会有80%的时间花费在数据的处理上，这是一个很重要的部分，有句话叫“Garbage in,garbage out”，也就是说机器学习的算法的提升可以决定预测的下限，但是数据的质量可以决定预测的上限。我们将在这上面花费大量的精力。 在Kaggle比赛中...

Posted by JD on February 1, 2018

Catergorical Attributes

定性特征的处理 最近看到一篇解决High-Cardinality Categorical Attributes的论文，收益颇多，在这总结一番。 low-cardinality categorical attributes 先来看看常见的低基数的定性特征。 1.特征是数值型，可以使用sklearn.preprocessing.OneHotEncoder： from sklearn....

Posted by JD on January 31, 2018

FEATURED TAGS
spider requests BeautifulSoup
ABOUT ME

If you shed tears when you miss the sun ,you also miss the stars.

✉️ jdong19910924@163.com

FRIENDS