【菜菜的sklearn课堂笔记】聚类算法Kmeans-概述 & 工作原理
大量的当前和潜在客户的信息，我们可以使用聚类将客户划分为若干组，以便进一步分析和开展营销活动 聚类vs分类 ![[附件/Pasted image 20221115094448.png|500]] sklearn中的聚类算法 聚类算法在sklearn中有两种表现形式，一种是类（和我们目前为止学过的分类算法以及数据预处理方法们都一样），需要实例化，训练并使用接口和属性来调用结果。另一种是函数（function...
Machine Learning with Graphs
学习笔记，仅供参考，有错必纠 文章目录 Machine Learning with Graphs Convolutional Model for Graphs Components of Graph Convolution TransE, Translating Embeddings for Modeling Multi-relational Data Many other Trans[X] model...
NLP_learning 导论：自然语言处理概述+基本文本处理操作
文章目录 一、自然语言处理概述一、基本文本处理操作1、清理与替换2、截取3、连接与分割4、比较与排序5、查找与包含6、大小写变换7、搜索查找更多的字符串相关操作 总结 一、自然语言处理概述 定义：自然语言处理（Natural Language Processing）简称NLP，是一种利用计算机为工具对人类特有的书面形式和口语形式的自然语言的信息进行各种类型处理和加工的技术。 任务：通过处理和理解语言，来...
【DeepLearning 8】Self-Attention自注意力神经网络
一、Introduction 很多时候，我们需要输入的数据非常的复杂，难以用统一、固定长度的向量来表示。比如NLP中长短不一的句子。此外，我们需要输出的数据有时候也会复杂，比如一组向量中每一个向量有一个输出（词性标注），或者一组向量有一个输出，或者输出的数量让机器自己决定（即seq2seq任务，比如中英文翻译） 在第一种情况的时候，我们可以使用Fully-connect...
深度强化学习中深度Q网络（Q-Learning+CNN）的讲解以及在Atari游戏中的实战（超详细 附源码）
有有效识别高维数据的能力，使得强化学习算法在处理高纬度状态空间任务中更加有效 一、DQN算法简介 1：核心思想 深度Q网络算法（DQN）是一种经典的基于值函数的深度强化学习算法，它将卷积神经网络与Q-Learning算法相结合，利用CNN对图像的强大表征能力，将视频帧视为强化学习中的状态输入网络，然后由网络输出离散的动作值函数，Agent再根据动作值函数选择对应的动作 DQN利用CNN输入原始图像数据，能...
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow（第2版）》学习笔记
文章目录 书籍信息技术和工具Scikit-LearnTensorFlowKerasJupyter notebook 资源书籍配套资料流行的开放数据存储库元门户站点(它们会列出开放的数据存储库)其他一些列出许多流行的开放数据存储库的页面其他 机器学习项目清单主要有8个步骤框出问题并看整体获取数据研究数据准备数据列出有前途的模型微调系统演示你的解决方案启动 机器学习概览什么是机器学习为什么使用机器学习机器学...
Transductive Learning 和 Inductive Learning
简介 在 kipf-GCN 和 GraphSage 中，对 Transductive Learning 和 Inductive Learning 有了比较深刻的认识。 kipf-GCN 在其论文中提到算法属于 transductive node classification，也就是在训练节点embedding的时候要看到全图的节点，这是因为kipf-GCN使用了拉普拉斯矩阵。kipf-GCN 的半监督指...
Bi-CLKT: Bi-Graph Contrastive Learning based Knowledge Tracing
图对比学习 文章目录 摘要1 引言2 相关工作2.2 自监督学习2.3 图上的对比学习 摘要 知识追踪(KT)的目标是根据学生对相关练习的历史学习来估计他们对一个概念的掌握程度。知识追踪的好处是可以更好地组织和调整学生的学习计划，并在必要时进行干预。随着深度学习的兴起，深度知识追踪(DKT)利用循环神经网络(RNNs)成功地完成了这一任务。其他的工作尝试引入图神经网络(GNNs)，并相应地重新定义任务，...
【菜菜的sklearn课堂笔记】逻辑回归与评分卡-步长的进一步理解和max_iter
了数次才停下，这种”震荡“其实就是因为我们设置的步长太大的缘故。但是在我们开始梯度下降之前，我们并不知道什么样的步长才合适，但梯度下降一定要在某个时候停止才可以，否则模型可能会无限地迭代下去。 在sklearn当中，我们设置参数max_iter最大迭代次数来代替步长，帮助我们控制模型的迭代速度并适时地让模型停下。max_iter越大，代表步长越小，模型迭代时间越长，反之，则代表步长设置很大，模型迭代时间很...
一文带你搞懂sklearn.metrics混淆矩阵
们又构成了混淆矩阵 TP (True Positive)FP (False Positive)TN (True Negative)FN (False Negative) 这里我给出的混淆矩阵是按照sklearn-metrics-confusion_matrix的形式绘制的。 Negative中文译作阴性，一般指标签0；Positive中文译作阳性，一般指标签1。 True中文译作预测正确；False中文译...