自然语言处理实战视频教程，自然语言处理中重要的算法，词向量模型。本课程从语言模型入手，详解词向量构造原理与求解算法。理论与实战结合， 基于深度学习主流框架Tensorflow实例演示如何用深度学习来进行文本分类任务，其中涉及深度学习主流架构LSTM模型以及自然语言处理中流行的word2vec词向量建模方法，分模块解读如何用框架一步步完成整个网络架构。
2021-12-19 14:29:42
67.69MB
1
使用Python的强化学习算法
这是Packt发行的《 的代码库。
学习，理解和开发用于应对AI挑战的智能算法
这本书是关于什么的？
强化学习（RL）是AI的流行和有前途的分支，涉及制作更智能的模型和代理，这些模型和代理可以根据不断变化的需求自动确定理想的行为。 本书将帮助您掌握RL算法并在构建自学习代理时了解其实现。 本书首先介绍了在RL环境中工作所需的工具，库和设置，然后介绍了RL的组成部分，并深入研究了基于价值的方法，例如Q学习和SARSA算法的应用。 您将学习如何结合使用Q学习和神经网络来解决复杂的问题。 此外，在继续使用DDPG和TD3确定性算法之前，您将研究策略梯度方法TRPO和PPO，以提高性能和稳定性。 本书还介绍了模仿学习技术的工作原理以及Dagger如何教代理人驾驶。 您将发现进化策略和黑盒优化技术，并了解它们如何改善RL算法。 最后，您将掌握诸如UCB和UCB1
2021-12-17 10:05:28
89KB
1
信用卡欺诈是金融机构的一个广泛问题，涉及使用支付卡进行的盗窃和欺诈。 在本文中，我们探索了线性和非线性统计模型以及机器学习模型在真实信用卡交易数据上的应用。 建立的模型是受监督的欺诈模型，试图识别哪些交易最有可能是欺诈性的。 我们讨论了数据探索，数据清理，变量创建，特征选择，模型算法和结果的过程。 探索和比较了五个不同的监督模型，包括逻辑回归，神经网络，随机森林，增强树和支持向量机。 增强树模型显示了针对此特定数据集的最佳欺诈检测结果（FDR = 49.83％）。 所得模型可以在信用卡欺诈检测系统中使用。 可以在相关业务领域（如保险和电信）中执行类似的模型开发过程，以避免或检测欺诈行为。
2021-12-17 01:30:41
956KB
1
：钙钛矿材料由于在各领域具有广泛的应用前景而备受材料学家的关注，对其各种物理化学性能的研究一
直是材料领域研究的热点。本文建立随机森林(Random forest，RF)、岭回归(Ridge regression，RR)、以及基于径
向基核函数和线性核函数的支持向量回归(Support vector regression，SVR)等 4 种机器学习算法的预测模型
2021-12-15 17:10:30
454KB
《机器学习》算法实例-朴素贝叶斯算法-屏蔽社区留言板的侮辱言论
构建一个快速过滤器来屏蔽在线社区留言板上的侮辱性言论。如果某条留言使用了负面或者侮辱性的语言，那么就将该留言标识为内容不当。对此问题建立两个类别: 侮辱类和非侮辱类，使用 1 和 0 分别表示。
提取所有文档中的词条并进行去重
获取文档的所有类别
计算每个类别中的文档数目
对每篇训练文档:
对每个类别:
如果词条出现在文档中-->增加该词条的计数值（for循环或者矩阵相加）
增加所有词条的计数值（此类别下词条总数）
对每个类别:
对每个词条:
将该词条的数目除以总词条数目得到的条件概率（P(词条|类别)）
返回该文档属于每个类别的条件概率（P(类别|文档的所有词条)）
2021-12-15 17:10:29
2.94MB
1
《机器学习》算法实例-决策树算法-预测鱼类和非鱼类实例
根据不浮出水面是否可以生存、是否有脚蹼2 个特征，将动物分成两类: 鱼类和非鱼类。
收集数据: 可以使用任何方法
准备数据: 树构造算法（这里使用的是ID3算法，因此数值型数据必须离散化。）
分析数据: 可以使用任何方法，构造树完成之后，我们可以将树画出来。
训练算法: 构造树结构
测试算法: 使用习得的决策树执行分类
使用算法: 此步骤可以适用于任何监督学习任务，而使用决策树可以更好地理解数据的内在含义
2021-12-15 17:10:28
2.96MB
1
使用机器学习和深度学习并结合知识图嵌入的财务报表中的股票价格预测
几十年来，能够预测单个公司的股价一直是投资者的目标。 公司的股价受许多因素影响。 这些因素包括新闻，当前的政治气候和经济状况。 但是，鉴于成功进行预测可能获得的回报，许多人都试图开发模型来精确地做到这一点。 与股票价格预测有关的许多文献都集中在趋势（价格上涨或下跌）和价格（例如几天之内或两天之间的价格变化）的短期预测中。
该项目研究了机器学习，深度学习和知识图嵌入的使用，以发现在美国证券交易所上市的公司的财务业绩与其股价之间的关系。 具体来说，这项工作涉及尝试从财务报表中生成价格预测，以及预测每个公司的年度10K报告之间单个公司股票价格变化的趋势和幅度。 这项工作为投资者提供了财务决策支持，也导致了新数据集的产生，其他研究人员可能会进一步探索。
存储库的结构如下：
“数据”文件夹包含针对所研究的每个研究问题的预处理数据
2021-12-12 16:59:14
121.02MB
1