8.5 模型评估.pdf-赵卫东-人民邮电出版社
文本预览下载声明
148机器学习案例实战#coef6=pd.Series(cv_model.featureImportances,feature_cols).sort_val
显示全部
文档详情
相似文档
-
12.5 模型评估.pdf-赵卫东-人民邮电出版社
214机器学习案例实战iter=
-
13.4 模型评估.pdf-赵卫东-人民邮电出版社
第13章GRU算法在基于Session的推荐系统的应用229fluid.io.save_inference_model(save_dir,feed_var_names,fetch_vars,exe)print(modelsavedin%s
-
6.4 模型训练.pdf-赵卫东-人民邮电出版社
106机器学习案例实战为需要取样的全部样本，size为取样窗口的大小。segment_signal()函数返回用于训练的3通道的标准格式数据，其中引入了NumPy函数库中的vstack()与dstack()函数，其中vstack()用于垂直
-
12.4 模型构建.pdf-赵卫东-人民邮电出版社
210机器学习案例实战为9×7352×128，但是通常的机器学习框架需要的特征数据一般是batchsize在前，特征维度在后，因此需要将数组转为7352×128×9的形式。在标签数据读取时，数据标签从0开始编号。然后根据上面的辅助函数，分别
-
11.2.3 模型训练.pdf-赵卫东-人民邮电出版社
186机器学习案例实战图11.15资源列表数据预处理部分完毕，如图11.16所示。图11.16图片预处理组件11.2.3模型训练下面开始模型的训练，从左侧拖入一个TensorFlow组件，如图11.17所示。
-
3.4.7 模型训练和评估.pdf-赵卫东-人民邮电出版社
51第3章贷款违约行为预测路径设为${cos}/loan/train，第二输出结果的COS路径设为${cos}/loan/predict，切分比
-
4.7.1 概率模型聚类.pdf-赵卫东 董亮-人民邮电出版社
第4章聚类分析1214.6基于网格的聚类基于网格的聚类算法的基本思想是将每个属性的可能值分割成许多相邻的区间（例如将属性的值域离散化处理），创建网格单元的集合，将数据空间划分为许多网格单元，然
-
13.3.2 构建GRU 推荐模型.pdf-赵卫东-人民邮电出版社
226机器学习案例实战了一些矩阵乘法，在训练数据量很大的情况下，GRU能节省很多时间。因此本案例的基于Session的推荐模型基于GRU构建。图13.2GRU隐
-
7.3 朴素贝叶斯分类模型.pdf-赵卫东 董亮-人民邮电出版社
192机器学习该公式还可表示在事件x已经发生的条件下，找到导致x发生的各个原因的概率。7.3朴素贝叶斯分类模型朴素贝叶斯分类模型是一种简单的构造分类器的方法。朴
-
6.2.5 模型训练中的问题.pdf-赵卫东 董亮-人民邮电出版社
181第6章神经网络的模型具有有利的特性，例如稀疏、低秩、平滑等，参数稀疏之后有利于特征选择，减少特征数或使用较少的特征组合，最终能减少模型过拟合的风险；并且由
-
8.1.2 模型原理分析.pdf-赵卫东 董亮-人民邮电出版社
207第8章支持向量机4．SigmoidKernelSigmoid核函数来源于MLP中的激活函数，SVM使用Sigmoid相当于一个两层的感知机网络，Sigmo
-
14.2.4 定期存款业务模型保存和应用.pdf-赵卫东 董亮-人民邮电出版社
330机器学习③召回率指标的值如表14-16所示。表14-16召回率指标的值分类阈值召回率1.00.98876321974148060.90.991700940
-
14.3.5 客户分群模型保存和应用.pdf-赵卫东 董亮-人民邮电出版社
344机器学习续表IDFreshMilkGroceryFrozenDetergents_papersDelicatessen客户分群43739228143176
-
6.6 算法比较.pdf-赵卫东-人民邮电出版社
第6章基于深度神经网络的股票预测111（3）预测列：模型预测结果的索引。（4）抽样率：选取多少比例的数据进行验证，默认为1，即选取所有的数据进行抽样处理。设置参数，如图6.15所示。图
-
5.4 数据建模.pdf-赵卫东-人民邮电出版社
88机器学习案例实战（2）第一输出结果：将训练集数据的COS路径设为${cos}/credit/Churn-Modelling-train。（3）第二输出结果：