
特征工程是指將數據轉化為能更好地表示潛在問題的特征,從而提高機器學習性能。主要分為如下幾點: 數據理解 數據清洗 特征構造 特征選擇 類別不平衡...
數據的探索性分析 探索性數據分析(Exploratory Data Analysis,EDA)是指對已有數據在盡量少的先驗假設下通過作圖、制表、...
圖像分類案例2 Kaggle上的狗品種識別(ImageNet Dogs) 在本節中,我們將解決Kaggle競賽中的犬種識別挑戰,比賽的網址是ht...
目標檢測基礎 目標檢測和邊界框 邊界框 錨框 目標檢測算法通常會在輸入圖像中采樣大量的區域,然后判斷這些區域中是否包含我們感興趣的目標,并調整區...
文本分類 文本情感分類數據集 使用循環神經網絡進行情感分類 使用卷積神經網絡進行情感分類文本分類是自然語言處理的一個常見任務,它把一段不定長的文...
優化算法進階 介紹更高級的優化算法 Momentum epoch 20, x1 -0.943467, x2 -0.000073 可以看到,同一位...
批量歸一化(BatchNormalization) 對輸入的標準化(淺層模型) 處理后的任意一個特征在數據集中所有樣本上的均值為0、標準差為1。...
機器翻譯和數據集 機器翻譯(MT):將一段文本從一種語言自動翻譯為另一種語言,用神經網絡解決這個問題通常稱為神經機器翻譯(NMT)。 主要特征:...
卷積神經網絡基礎 本節我們介紹卷積神經網絡的基礎概念,主要是卷積層和池化層,并解釋填充、步幅、輸入通道和輸出通道的含義。 二維卷積層 本節介紹的...