一：为什么需要神经网络 （一）案例 为了很好的拟合数据，我们需要保留较多的相关参数，虽然可以使用正则化进行优化。但是无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。 之前我们已经看到过，使用非线性的多项式项，能够帮助我们建立更好的分类模型。假设我们有非常多的特征，例 ...
分类：
其他好文 时间：
2020-05-02 22:37:21
阅读次数：
208
本文主要记录: 1. 离散特征如何预处理之后嵌入 2.使用pytorch怎么使用nn.embedding 以推荐系统中：考虑输入样本只有两个特征，用逻辑回归来预测点击率ctr 看图混个眼熟，后面再说明: 一、离散数据预处理 假设一个样本有两个离散特征【职业，省份】，第一个特征种类有10种，第二个特征 ...
分类：
其他好文 时间：
2020-05-02 09:46:29
阅读次数：
260
为什么要进行连续特征离散化 参考 "知乎用户" 在工业界，很少直接将连续值作为逻辑回归模型的特征输入，而是将连续特征离散化为一系列0、1特征交给逻辑回归模型，这样做的优势有以下几点： 0. 离散特征的增加和减少都很容易，易于模型的快速迭代；这个点理解 1. 稀疏向量内积乘法运算速度快，计算结果方便存 ...
分类：
其他好文 时间：
2020-05-01 16:50:47
阅读次数：
44
到现在为止，我们已经学习了几种不同的学习算法，包括线性回归和逻辑回归，它们能够有效地解决许多问题，但是当将它们应用到某些特定的机器学习应用时，会遇到过拟合(over-fitting)的问题，可能会导致它们效果很差。 一：过度拟合问题 （一）线性回归中的过拟合问题 继续使用线性回归来预测房价的例子，我 ...
分类：
其他好文 时间：
2020-05-01 12:51:33
阅读次数：
86
1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下） 逻辑回归是用正则化来防止过拟合的， 正则化是通过约束参数的范数使其不要太大，所以可以在一定程度上减少过拟合情况。 2.用logiftic回归来进行实践操作，数据不限 from sklearn.datasets im ...
分类：
其他好文 时间：
2020-04-29 21:58:51
阅读次数：
61
1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下） 答（1）： 1. 增加样本量，这是万能的方法，适用任何模型。 2. 如果数据稀疏，使用L1正则，其他情况，用L2要好，可自己尝试。 3. 通过特征选择，剔除一些不重要的特征，从而降低模型复杂度。 4. 如果还过拟合 ...
分类：
其他好文 时间：
2020-04-29 21:48:31
阅读次数：
76
1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下） 过拟合就是参数调的太符合样本，所以解决的方法就有两方面 1.样本。 原本样本只有A，导致参数符合A，现在增加样本种类和大小，这样参数调整出来就符合更多的A。 2.参数。 让参数调整的没那么好。这就衍生出正则化、dr ...
分类：
其他好文 时间：
2020-04-29 21:38:00
阅读次数：
52
1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下） 什么是过拟合？关于这个百度了一下，知乎上有一些很有趣的回答（https://www.zhihu.com/question/32246256） 就像是我们高三在刷题的过程中，你刷遍了所有的题，但考试的时候改了点数字你 ...
分类：
其他好文 时间：
2020-04-29 18:32:23
阅读次数：
61
1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下） 答：防止过拟合： 通过特征选择，剔除一些不重要的特征，从而降低模型复杂度；检查业务逻辑，判断特征有效性，是否在用结果预测结果等； 如果还过拟合，那就看看是否使用了过度复杂的特征构造工程，比如，某两个特征相乘/除/加 ...
分类：
其他好文 时间：
2020-04-29 18:27:25
阅读次数：
64
1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？ 答： （1）可以通过增加样本量，或者提取不重要的特征进行降维来防止过拟合，也可以通过正则化来防止过拟合。 （2）正则化的原理，就是通过约束系数（w）的大小，进而抑制整体的过拟合情况。 2.用logiftic回归来进行实践操作，数据不限。 ...
分类：
其他好文 时间：
2020-04-29 12:50:57
阅读次数：
62
