首页
学习
活动
专区
工具
TVP
发布

机器学习原理

专栏作者
119
文章
204052
阅读量
51
订阅数
机器学习可解释性01--shap
本文介绍shap原理,并给出一个简单的示例揭示shap值得计算过程; 然后介绍如何将shap值转化为我们更容易理解的概率。
DC童生
2022-04-02
1.6K0
《A Cancer Survival Prediction Method Based on Graph Convolutional Network》
摘要 背景 现状:多种基因组数据和临床数据尚未综合考虑癌症并预测其生存率 方法 先对各种数据进行融合,然后用GCN来训练 📷 结论 GCN在癌症生存预测方面的有效性和优越性 介绍 异质性疾病癌症具有不同的分子特征、临床行为、形态学表现和对治疗的不同反应 一些传统的机器学习模型用于预测存活 一些机器学习分类方法,如支持向量机(SVM)[16-18],朴素贝叶斯分类器(NB)[19]和随机森林(RF)[20]也可用于预测癌症存活率。例如,Nguyen等人[21]提出了一种基于随机森林
DC童生
2021-12-13
2950
Diffusion Convolutional Recurrent Neural Network: Data-Driven Traffic Forecasting(论文阅读02)
我们在两个现实世界的大规模数据集上进行了实验:(1)METR-LA此交通数据集包含从洛杉矶县高速公路上的环路检测器收集的交通信息(Jagadish等,2014)。我们选择了207个传感器,并收集了从2012年3月1日到2012年6月30日的4个月的数据进行实验。 (2)PEMS-BA Y该交通数据集由加利福尼亚州运输机构(CalTrans)绩效评估系统(PeMS)收集。我们在湾区选择了325个传感器,并收集了从2017年1月1日到2017年5月31日的6个月数据进行实验
DC童生
2020-12-21
1.4K0
tensorflow2.3实战循环神经网络
一:理论部分 embedding和变长输入处理 序列式问题 循环神经网络 LSTM模型原理 二:实战 keras实现embedding keras搭建循环神经网络 文本生成 文本分类 1.1embed
DC童生
2020-11-24
4340
知识图谱和可解释性深度学习的发展深度学习问题知识图谱为可解释提供依据利用知识图谱对可解释性应用知识图谱在可解释性上的困难
深度学习的发展 这些年深度学习突飞猛进,各种深度学习模型层出不穷,各种网络结构纷纷登场。 可实际上它发展的本质是由大数据喂出来的,使得机器在图像、语音识别等感知能力方面甚至超越人类。 在深度学习的推动下,自然语言处理方面也取得了显著进展。 深度学习问题 深度学习的一个广为诟病的问题是其不透明性,不可解释性。深度学习模型是一种端到端的学习,接受大样本作为训练输入,所习得的模型本质上是神经网络结构的参数。 其预测过程,是相应参数下的计算过程。 深度学习的学习和预测过程是不透明的,模型究竟学到了什么有效特征,使得
DC童生
2018-10-10
2.1K0
NLP(2)——中文分词分词的概念分词方法分类CRFHMM分词
上一篇文章提到了词向量的相关知识,可如何用计算机对一篇文章或者一些句子进行分词,从而让计算机更好理解句子呢?
DC童生
2018-07-24
1.9K0
机器学习(18)——神经网络算法思想:从线性思想到最基础神经网络神经网络算法
前言: 关于“神经网络”这个词想必对人工智能感兴趣额的早已经熟得不能再熟悉了,在机器学习和认知科学领域,人工神经网络(artificial neural network,缩写ANN),简称神经网络(neural network,缩写NN)或类神经网络,是一种模仿生物神经网络(动物的中枢神经系统,特别是大脑)的结构和功能的数学模型或计算模型,用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构,是一种自适应系统。现代神经网络是一种非线性统
DC童生
2018-04-27
1.7K0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档