一亩三分地

机器学习循环神经网络（RNN）

循环神经网络（Recurrent Neural Network, RNN）是一类用于处理序列数据的神经网络。 什么是序列数据？序列数据是指按照一定顺序排列的数据集合，其中的每个元素被称为序列的一个项。序列数据可以是有限的...

机器学习《文本情感分析》（一）准备工作

本文将从零开始，详细讲解如何使用循环神经网络（GRU）实现文本情感分类。我们将基于 PyTorch 从头构建一个模型，并应用于情感分析任务。内容涵盖数据预处理、构建词汇表、分词器、模型搭建与训练，最终完成情感分类性能的评...

机器学习《文本情感分析》（二）工作过程

1. 基本流程 2. 组件介绍 在基本流程中：

机器学习AUC（Area Under the Curve）

AUC（Area Under the Curve）是一种常用二分类评估方法，它指的是 ROC 曲线（Receiver Operating Characteristic Curve）下的面积。 1. ROC ROC（Rec...

机器学习《文本情感分析》（三）核心算法

机器学习《文本情感分析》（四）数据处理

1. 准备数据 该代码用于微博情感分析数据的预处理。主要流程包括： 创建 01-准备数据.py 文件并添加如下代码： 2. 构建词典 该代码用于构建文本词汇表。主要流程包括： 创建 02-构...

机器学习《文本情感分析》（五）模型搭建

该代码实现了一个基于 RNN 的情感分析模型。主要功能包括： 注意：下面代码中 nn.RNN 可以直接替换为 nn.GRU、nn.LSTM，更容易训练。 创建 estimator.py 文件并添加如下代码：

机器学习《文本情感分析》（六）训练评估

1. 模型训练 该代码实现了RNN 训练情感分析模型，主要功能包括： 创建 03-模型训练.py 文件并添加如下代码： 图片展示 20 个 epoch 的在训练集上的总损失变化曲线。随着训练的进行，整...

机器学习回归决策树（Decision Tree Regression）

回归决策树（Decision Tree Regression）是一种使用决策树进行回归分析的方法。与分类决策树不同，回归决策树用于预测连续型的目标变量，而不是离散的类别。 1. 构建决策树 我们使用 MSE（平均平方误差...

机器学习基尼指数（Gini Index）

基尼指数是决策树算法中用于评估特征分裂质量的一个关键指标，分裂后子节点的基尼指数越低，表示子节点的纯净度越高。 1. 基尼不纯度 基尼不纯度（Gini impurity）是衡量变量不纯度的一个指标。基尼不纯度越高，表示数...

机器学习代价复杂度剪枝（Cost-Complexity Pruning）

在 scikit-learn 的决策树实现中，使用 CCP（Cost-Complexity Pruning）代价复杂度剪枝，用于避免过拟合并提高决策树的泛化能力。 1. 剪枝原理 决策树中包含了很多子树，一棵子树是否应该...

机器学习信息增益（Shannon Information Gain）

信息增益是决策树算法中用于特征选择的一个重要指标。在构建决策树时，我们需要确定哪个特征最能有效地分割数据，使得子节点的纯度最高。信息增益就是衡量这种分割能力的指标。 信息增益的计算基于信息熵（或熵）的概念。所以，我们需要...

Linux C/C++C++ 调用 Python 对象

机器学习《决策树》（一）准备工作

决策树（Decision Tree）是一种直观且易于理解的机器学习算法，它可以处理分类和回归问题。 课程学习目标： 授课环境：win11 + pycharm 2021.1.3 + python 3.8.19 1. 创建虚...

机器学习《决策树》（二）初识决策树

在学习决策树原理之前，我们先感性的了解下决策树的构建和推理过程、以及 API 的使用。 1. 分类决策树 分类决策树基于训练数据构建一个树状结构，每个节点代表一个特征，每个分支代表一个可能的答案，最终叶节点代表一个分类标...