注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 二手车交易价格预测学习笔记 — Task3

  2. 赛题：零基础入门数据挖掘 – 二手车交易价格预测 地址：https://tianchi.aliyun.com/competition/entrance/231784/introduction?spm=5176.12281957.1004.1.38b02448ausjSX 特征工程 常用方法 from operator import itemgetter 获取某位置的数据 pandas 提取行数据 pd.iloc() 或 pd.loc() 分位数 quantile() pandas 一维数组 pd

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：62464
    • 提供者：weixin_38721252

  1. task3

  2. 符号规定： i s ：第i 种投资项目，如股票，债券 i pi qi r, , ：分别为 i s 的平均收益率，交易费率，风险损失率  ui ： i s 的交易定额 0r ：同期银行利率 i x ：投资项目 i s 的资金 a ：投资风险度 Q ：总体收益 基本假设： 1． 投资数额 M 相当大，为了便于计算，假设 M =1； 2． 投资越分散，总的风险越小； 3． 总体风险用投资项目 i s 中最大的一个风险来度量； 4． n 种资产 i s 之间是相互独立的； 5． 在投资的这一时期内， i

  3. 所属分类：其它

    • 发布日期：2021-01-08
    • 文件大小：27648
    • 提供者：weixin_38559346

  1. 过拟合、欠拟合、梯度消失与梯度爆炸-Task3

  2. 1. 过拟合、欠拟合及其解决方案 本节主要讲了3个点，1. 过拟合、欠拟合的概念 2. 权重衰减 3. 丢弃法 其中权重衰减只讲了L2正则化，其实还有L1正则化、L12正则化等。 丢弃法其实就是Dropout，只是翻译成了中文。 Inverted-Dropout Inverted-Dropout是实现 dropout 的方法。假设对第i层进i行 dropout： p = 0.8 di = np.random.rand(ai.shape[0], ai.shape[1]) < p ai = n

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：49152
    • 提供者：weixin_38686677

  1. 14天动手挑战深度学习Pytorch–task3、4、5笔记

  2. 一、过拟合以及欠拟合提出以及解决方案 1.欠拟合以及过拟合的概念 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）； 另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。 2.模型复杂度和训练数据集大小 3补充：在多项式函数拟合实验中用到的torch.cat()函数的用

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：142336
    • 提供者：weixin_38554186

  1. 公益AI组队学习Task3~Task5

  2. 这是组队学习第二次打卡了，Task3~Task5一共有9个任务，我觉得有点多，每个都做肯定完不成，而且有的任务我比较熟悉，也就不占用时间了，我重点就关注自己不熟悉的任务:seq2seq，attention，transform 之前学过了RNN，它的结构可以是:一对一，一对多(一个输入，循环多次输出),多对一(一直到网络的最后才输出),多对多(每一个输入对应一个输出)。 RNN可以是定长的输入，输出也可以是定长的，如果现在碰到的问题是不定长的输入和不定长的输出，怎么办 ？ seq2seq来了 这

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：258048
    • 提供者：weixin_38704835

  1. Task3:任务3 AQA-源码

  2. Task3:任务3 AQA

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：7168
    • 提供者：weixin_42134097

  1. sd-task3-源码

  2. sd-task3

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：8192
    • 提供者：weixin_42153801

  1. IP-TASK3-khatabook.com-源码

  2. IP-TASK3-khatabook.com

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：779264
    • 提供者：weixin_42120405

  1. Hacktoberfest2020-Task3:Hacktoberfest任务-源码

  2. Hacktoberfest2020-Task3 阅读以下说明 C程序有一些错误正确分叉存储库进行更改提出拉取请求

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1024
    • 提供者：weixin_42116596

  1. task3.2-源码

  2. task3.2

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：2048
    • 提供者：weixin_42164931

  1. java-synchronization-task3-源码

  2. java-synchronization-task3

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：71680
    • 提供者：weixin_42175035

  1. task3-payment-源码

  2. task3-payment

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：8388608
    • 提供者：weixin_42137032

  1. daigo-Task3-源码

  2. daigo-Task3

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：20480
    • 提供者：weixin_42112658

  1. startng-task3：适用于StartNG的Python任务3-源码

  2. startng-task3：适用于StartNG的Python任务3

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：4194304
    • 提供者：weixin_42179184

  1. Task3-sem4：与Task2-sem4类似，但使用OpenMP-源码

  2. Task3-sem4：与Task2-sem4类似，但使用OpenMP

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：6144
    • 提供者：weixin_42121086

  1. 指导M6-Task3-4和M7-源码

  2. 指导M6-Task3-4和M7

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：11264
    • 提供者：weixin_42107561

  1. a3-task3-task4-bb-源码

  2. a3-task3-task4-bb

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：624640
    • 提供者：weixin_42135754

  1. Task3-伺服电机-源码

  2. Task3-伺服电机

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：143360
    • 提供者：weixin_42131342

  1. 动手学深度学习（Pytorch版）task3-5打卡

  2. 对于task3-5的内容进行打卡 Task03：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶 模型复杂度和误差之间的关系 权重衰减的计算公式： Xavier初始化 梯度裁剪 循环神经网络中较容易出现梯度衰减或梯度爆炸，这会导致网络几乎无法训练。裁剪梯度（clip gradient）是一种应对梯度爆炸的方法。假设我们把所有模型参数的梯度拼接成一个向量 g ，并设裁剪的阈值是 θ 。裁剪后的梯度为： GRU 重置门用于捕捉时间序列里的短期依赖关系 更新门有助于捕捉时间

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：773120
    • 提供者：weixin_38735790

  1. Task3 特征工程

  2. Task3 特征工程 一、数据预处理 在这一块，比较常用的包是sklearn.Processing data,主要包括以下操作： 异常值处理 使用箱型图（或小提琴图）发现离群点（off-group points）之后，为了不干扰实验结果，我们通常将离群点处理掉： #from DW阿泽 import the code def outliers_proc(data, col_name, scale=3): 用于清洗异常值，默认用 box_plot（scale=3）进行清洗 :pa

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：544768
    • 提供者：weixin_38626179
« 12 3 4 »