原创 深度學習模型提升模型效果的常見方法
在訓練集上表現不好，需要降低bias： 調整超參數，如設置更深更寬的網絡 訓練更長的時間 選擇其它特徵學習函數（CNN、RNN、LSTM、GRU等） 在驗證集上表現不好，需要降低方差： 引入正則化（如L2） 引入dropou
2020-07-03 20:43:58
3
原创 SAS® Model Manager功能調研
基本概念 使用SAS Model Manager，可以將模型存儲在公共模型存儲庫中，並在項目和文件夾中組織它們。還可以評估模型以選擇冠軍模型，監控模型的性能以及發佈模型。 Model Manager提供了多維度的模型管理功能，如下所示
2020-06-14 17:19:05
4
原创 機器學習的行業與場景總結
行業與場景 金融服務 風險管理 信用評分 預測分析 客戶流失 欺詐檢測 違約風險 貸前客戶評分 貸後違約預測 網點備付金智能預測 保險 索賠管理 客戶流失 欺詐識別 反洗錢
2020-06-14 17:18:55
原创 《TensorFlow 2.0深度學習算法實戰教材》學習筆記（四、TensorFlow 進階）
合併與分割 合併 張量的合併可以使用拼接(Concatenate)和堆疊(Stack)操作實現，拼接並不會產生新的維度，而堆疊會創建新維度。選擇使用拼接還是堆疊操作來合併張量，取決於具體的場景是否需要創建新維度。 拼接 在Tens
2020-06-14 17:18:55
原创 Hive鑑權方式說明
當通過JDBC方式訪問Hive數據庫時，可以通過在連接參數中將“AuthMech”設置爲不同的值來使用不同的鑑權方式，如下給出各種鑑權方式的連接串示例 不使用鑑權：在連接參數中將“AuthMech”屬性設置爲“0” 連接串示例：
2020-06-14 17:18:55
原创 《TensorFlow 2.0深度學習算法實戰教材》學習筆記（三、TensorFlow 基礎）
數據類型 TensorFlow 中的基本數據類型，它包含了數值型、字符串型和布爾型。 數值類型 數值類型的張量是TensorFlow 的主要數據載體，分爲： 標量(Scalar) 單個的實數，如1.2, 3.4 等，維度數(Di
2020-06-14 17:18:55
原创 產品設計思維工具（2019年做產品的一點總結）
序號 方法 應用場景/說明 1 先使用文字陳述出所有已知信息，再進行精簡 界面Label定義 文字描述 2 將信息結構化 界面信息排列，結構化可以提供良好的閱讀理解以及擴展能力 3 思考用戶
2020-06-14 17:18:55
1
原创 sklearn訓練模型、保存模型文件（文本、pkl）、模型文件轉換（pkl2onnx）以及模型可視化
1.使用環境 IDE：Jupyter Lab，使用Python2 kernel實現 模型可視化：GraphViz，可以直接在jupyter中使用；Netron window版本 模型轉化：在onnx/onnx-ecosystem容器
2020-06-14 17:18:55
原创 在Jupyter Notebook中調用ML模型服務圖像標題生成器
說明：寫本文的目的主要是驗證如何在Jupyter Notebook中通過API調用機器學習模型服務。 1、環境說明 CentOS7（部署在VMware Workstation Pro中的虛擬機） 需要安裝有docker 2、前提條件：鏡
2020-06-14 17:18:55
原创 《TensorFlow 2.0深度學習算法實戰教材》學習筆記（八、過擬合）
機器學習的主要目的是從訓練集上學習到數據的真實模型，從而能夠在未見過的測試集上面也能夠表現良好，我們把這種能力叫做泛化能力。 提到了模型的表達能力，也稱之爲模型的容量(Capacity)。當模型的表達 能力偏弱時，比如單層線性層，
2020-06-14 17:18:55
原创 《TensorFlow 2.0深度學習算法實戰教材》學習筆記（一、人工智能緒論）
人工智能緒論 人工智能，機器學習，神經網絡，深度學習之間關係 機器學習分類 機器學習可以分爲有監督學習(Supervised Learning)、無監督學習(Unsupervised Learning)和強化學習(Rei
2020-06-14 17:18:55
原创 YellowBrick-聚類評估示例
Yellowbrick庫是一個機器學習的診斷可視化平臺，可用於引導數據科學家進行模型選擇。它用一個新的核心對象擴展了SciKit學習API：可視化工具。可視化工具允許模型作爲SciKit學習管道過程的一部分進行擬合和轉換，在高維數據轉換過
2020-06-14 17:18:55
原创 在Jupyter Notebook中實現圖像檢測服務的調用
1、環境說明 CentOS7（部署在VMware Workstation Pro中的虛擬機） 需要安裝有docker 2、前提條件：鏡像準備 部署了圖形檢測服務的鏡像：codait/max-object-detector Github地
2020-06-14 17:18:55
原创 《TensorFlow 2.0深度學習算法實戰教材》學習筆記（六、反向傳播算法）
反向傳播算法和梯度下降算法是神經網絡的核心算法。 導數與梯度 導數本身是標量，沒有方向，但是導數表徵了函數值在某個方向Δ𝒙的變化率。在這些任意Δ𝒙方向中，沿着座標軸的幾個方向比較特殊，此時的導數也叫做偏導數(Partial Der
2020-06-14 17:18:55