特征工程是指将数据转化为能更好地表示潜在问题的特征，从而提高机器学习性能。主要分为如下几点： 数据理解 数据清洗 特征构造 特征选择 类别不平衡...

数据的探索性分析 探索性数据分析（Exploratory Data Analysis，EDA）是指对已有数据在尽量少的先验假设下通过作图、制表、...

图像分类案例2 Kaggle上的狗品种识别（ImageNet Dogs） 在本节中，我们将解决Kaggle竞赛中的犬种识别挑战，比赛的网址是ht...

目标检测基础 目标检测和边界框 边界框 锚框 目标检测算法通常会在输入图像中采样大量的区域，然后判断这些区域中是否包含我们感兴趣的目标，并调整区...

文本分类 文本情感分类数据集 使用循环神经网络进行情感分类 使用卷积神经网络进行情感分类文本分类是自然语言处理的一个常见任务，它把一段不定长的文...

优化算法进阶 介绍更高级的优化算法 Momentum epoch 20, x1 -0.943467, x2 -0.000073 可以看到，同一位...

批量归一化（BatchNormalization） 对输入的标准化（浅层模型） 处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。...

机器翻译和数据集 机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：...