多分类问题 将邮件分为不同类别/标签：工作（y=1），朋友（y=2），家庭（y=3），爱好（y=4） 天气分类：晴天（y=1），多云天（y=2），下雨天（y=3），下雪天（y=4） 医学图示（Medical diagrams）：没生病（y=1），感冒（y=2），流感（y=3） 二分类问题的示意图如下 ...
分类：
其他好文 时间：
2018-10-26 22:03:31
阅读次数：
190
分类与回归有什么区别 其实回归问题和分类问题的本质一样，都是针对一个输入做出一个输出预测，其区别在于输出变量的类型。 分类问题是指，给定一个新的模式，根据训练集推断它所对应的类别（如：+1，-1），是一种定性输出，也叫离散变量预测； 回归问题是指，给定一个新的模式，根据训练集推断它所对应的输出值（实 ...
分类：
其他好文 时间：
2018-10-25 15:43:50
阅读次数：
160
本节构建一个网络，将路透社新闻划分为46个互斥的主题，也就是46分类 案例2：新闻分类(多分类问题) 1. 加载数据集 将数据限定在10000个最常见出现的单词，8982个训练样本和2264个测试样本 8982 2246 2. 将索引解码为新闻文本 3. 编码数据 4. 模型定义 5. 编译模型 对 ...
分类：
编程语言 时间：
2018-10-20 23:49:47
阅读次数：
314
我觉得把课本上的案例先自己抄一遍，然后将书看一遍。最后再写一篇博客记录自己所学过程的感悟。虽然与课本有很多相似之处。但自己写一遍感悟会更深 电影评论分类(二分类问题) 本节使用的是IMDB数据集，使用Jupyter作为编译器。这是我刚开始使用Jupyter，不得不说它的自动补全真的不咋地（以前一直用 ...
分类：
编程语言 时间：
2018-10-20 14:55:40
阅读次数：
260
轉自 https://blog.csdn.net/sinat_28576553/article/details/80258619 四个基本概念TP、True Positive 真阳性：预测为正，实际也为正 FP、False Positive 假阳性：预测为正，实际为负 FN、False Negati ...
分类：
系统相关 时间：
2018-10-19 00:00:25
阅读次数：
930
导入sklearn.feature_extraction.text.TfidfVectorizer用于转换字符串 from sklearn.feature_extraction.text import TfidfVectorizer # 创建对象 tf = TfidfVectorizer() # 训... ...
分类：
其他好文 时间：
2018-10-17 14:39:09
阅读次数：
114
介绍了SVM的概念以及如何利用SVM进行一个身高体重的训练和预测。如果类别比较简单的话，那么在二维空间上它有可能就是一条直线。如果类别比较复杂，那么投影到高维空间上它就是一个超平面。所以SVM的本质它就是寻求这样一个最优的超平面。超平面只要找到了，那么就可以利用这个超平面完成分类问题。 SVM支持很 ...
分类：
其他好文 时间：
2018-10-14 13:54:24
阅读次数：
193
使用IRIS数据集，使用Keras搭建一个深度神经网络（DNN），来解决IRIS数据集的多分类问题，作为Keras入门的第一个例子。 ...
分类：
其他好文 时间：
2018-10-12 14:05:01
阅读次数：
245
softmax loss: N是样本的数量，i代表第i个样本，j代表第j个类别，fyi代表着第i个样本所属的类别的分数 fyi是全连接层的输出，代表着每一个类别的分数， 每一个分数即为权重W和特征向量X的内积 每个样本的softmax值即为： L-softmax loss: 假设一个2分类问题，x属 ...
分类：
其他好文 时间：
2018-10-12 13:57:31
阅读次数：
1385
文本分类问题：给定文档p（可能含有标题t），将文档分类为n个类别中的一个或多个 文本分类应用：常见的有垃圾邮件识别，情感分析 文本分类方向：主要有二分类，多分类，多标签分类 文本分类方法：传统机器学习方法（贝叶斯，svm等），深度学习方法（fastText，TextCNN等） 文本分类的处理大致分为 ...
分类：
其他好文 时间：
2018-10-12 13:47:17
阅读次数：
578
