一、遷移學習 機器學習有一個基本假設：數據同分布。可參考之前這篇介紹:《數據不同分布，怎么整？》[http://mp.weixin.qq.com/s?__biz=MzI4MD...
發簡信
IP屬地：上海
-
一文概括風控的遷移學習及實踐(Tabular Data)
-
深度學習GPU環境配置及建模(Python)對于深度學習開發者，操作系統的選擇、到深度學習相關依賴包安裝、環境配置上，這些步驟看似簡單基礎，但其實也經常是有不少麻煩的。本文簡要梳理了，從環境配置到深度學習建模的完整的流...
-
筆記本運行私人ChatGPT？只要3步！一、相關項目匯總 簡單羅列下ChatGPT的平替開源項目（更多信息可到https://github.com/nichtdax/awesome-totally-open-cha...
-
如何看待復大發布國內首個ChatGPT模型"MOSS"Hi, Moss. 2 月 20 日晚，復旦大學自然語言處理實驗室發布了國內首個具備 ChatGPT 能力的語言模型 ——MOSS，并面向大眾公開邀請內測。 MOSS 體驗鏈...
-
機器學習數據不滿足同分布，怎么整？機器學習作為一門科學，不可避免的是，科學本身是基于歸納得到經驗總結，必然存在歷史經驗不適用未來的情況（科學必可證偽）。這里很應景地講一個小故事--By 哲學家羅素： 農場有一...
-
多標簽分類怎么做？(Python)一、基本介紹 首先簡單介紹下，多標簽分類與多分類、多任務學習的關系： 多分類學習（Multi-class）：分類器去劃分的類別是多個的，但對于每一個樣本只能有一個類別，類別間...
-
如何看待神經網絡的黑箱？神經網絡 黑箱的意思是我們知其然，不知其所以然，相關理論比較缺乏。別看神經網絡相關論文汗牛充棟，但是大部分類似于technical report，告訴你我這么做效果不錯，具體...
-
引入業務先驗約束的樹模型(Python)一、模型解釋性的意義 機器學習業務應用以輸出決策判斷為目標。可解釋性是指人類能夠理解決策原因的程度。機器學習模型的可解釋性越高，人們就越容易理解為什么做出某些決定或預測。模型...
-
機器學習模型迭代方法(總結)模型迭代方法 機器學習模型在實際應用的場景，通常要根據新增的數據下進行模型的迭代，常見的模型迭代方法有以下幾種： 1、全量數據重新訓練一個模型，直接合并歷史訓練數據與新增的數...
-
樹模型決策的可解釋性與微調(Python)本文示例沿用之前文章的數據：一文梳理金融風控建模全流程(Python)[https://mp.weixin.qq.com/s?__biz=MzI4MDE1NjExMQ==&m...
-
樹+神經網絡算法強強聯手（Python）結合論文《Revisiting Deep Learning Models for Tabular Data》的觀點，集成樹模型通常擅長于表格數據這種異構數據集，是實打實的表格...
-
-
一文梳理金融風控建模全流程(Python)一、信貸風控簡介 信貸風控是數據挖掘算法最成功的應用之一，這在于金融信貸行業的數據量很充足，需求場景清晰及豐富。 信貸風控簡單來說就是判斷一個人借了錢后面（如下個月的還款日）...
-
深入機器學習的梯度優化簡介 機器學習在選定模型、目標函數之后，核心便是如何優化（目標）損失函數。而常見的優化算法中，有梯度下降、遺傳算法、模擬退火等算法，其中用梯度類的優化算法通常效率更高，而使用...