深度学习之房价预测——2020.3.4
⽐赛数据分为训练数据集和测试数据集。两个数据集都包括每栋房⼦的特征，如街道类型、建造年份、房顶类型、地下室状况等特征值。这些特征值有连续的数字、离散的标签甚⾄是缺失值“na”。只有训练数据集 ...
原文：动手学深度学习 | 预测房价竞赛总结 | 16
目录 竞赛总结 QA 竞赛总结 我们讲知识，也不可能所有东西都cover到，让大家竞赛不是让大家去学某个特定的知识，而是说大家遇到一个问题，怎么去找一个解决方案。这一次的解决方案和下一次的会不一样，但是问题是你怎么去找这个东西，去问人也行，去搜索也行。 私榜和公开榜是不一样的，大家能看到的都是公榜的 私榜就是为了防止大家刷数据集 我们没有讲集成学习，但是集成学习确实是深度学习中一个很成熟的方案， ...
2021-09-22 15:02 0 100 推荐指数：
相关推荐
深度学习3：波士顿房价预测（1）
转载：https://blog.csdn.net/qq_40195614/article/details/90199642?depth_1-utm_source=distribute.pc_relev ...
动手学深度学习--文本情感分析之RNN
⽂本分类是⾃然语⾔处理的⼀个常⻅任务，它把⼀段不定⻓的⽂本序列变换为⽂本的类别。它的⼀个⼦问题：使⽤⽂本情感分类来分析⽂本作者的情绪。这个问题也叫情感分析，并有着⼴泛的应⽤。例如，我们可以分析⽤户对产品的评论并统计⽤户的满意度，或者分析⽤户对市场⾏情的情绪并⽤以预测接下来的⾏情 ...
动手学深度学习7-从零开始完成softmax分类
获取和读取数据 初始化模型参数 实现softmax运算 定义模型 定义损失函数 计算分类准确率 训练模型 小结 获取和读取数据 我们将使用Fahs ...
动手学深度学习PyTorch版-task01
task0101.线性回归 优化函数 - 随机梯度下降 当模型和损失函数形式较为简单时，上面的误差最小化问题的解可以直接用公式表达出来。这类解叫作解析解（analytical solution）。本节使用的线性回归和平方误差刚好属于这个范畴。然而，大多数深度学习模型并没有解析解，只能 ...
动手学深度学习13-权重衰减
权重衰减 高维线性回归实验 从零开始实现 初始化模型参数 定义L2范数惩罚项 定义训练和测试 使用权重衰减 pytorch简洁实 ...
动手学深度学习三---多层感知机MLP
1、隐藏层 多层感知机在单层神经网络中引入了一到多个隐藏层，隐藏层位于输入层和输出层之间 输入层特征数为4个，输出层标签类别为3，隐藏单元5个，输入层不涉及计算，多层感知机层数为2 隐藏层中 ...
动手学深度学习 | 使用和购买GPU | 15
目录 使用GPU 购买GPU 整机配置 QA 使用GPU 其实如果没有钱买GPU的话，使用Google Colab也是一个不错的选择，大概是10 dol ...