如何学好spin模型检测测

来源：蜘蛛抓取(WebSpider) 时间：2017-01-04 11:06 标签： 检测3d模型
机器学习（10）
一、主题研究
1、潜在狄利克雷分配
sklearn 不支持潜在狄利克雷分配，可以使用python中的genism包
当你有一个很大的矩阵或者向量的时候，基本上大多数的值都是0，因此，在任何时候，只有一小部分数据时相关的。
3、选择主题个数
主题模型通常是一个面向目标的终端服务，在这种情况下，你具体选择了哪些参数并不总是很重要，不同的主题数或者参数值会得到效果几乎相同的系统。
主题模型允许每个文档出现在多个分组中，比简单聚类更灵活。这些技术还可以用于图像，在绝大多数现代计算机视觉研究中，主题模型都是非常重要的。
这部分属于机器学习算法研究最前沿。
二、检测劣质答案
1、KNN算法
from sklearn import neighbors
knn=neighbors.KNeighborsClassifier(n_neighbors=2)
2、 特征工程（查看答案中的超链接数，用它代表答案的质量，越多越好--工具库（beautifulsoup)
3、训练分类器
4、评估分类器的性能
from sklearn.cross_validation import KFold
cv = KFold(n=len(X), n_folds=10, indices=True)
for train,test in cv:
X_train,y_train=X[train],Y[train]
X_test,y_test=X[test],Y[test]
clf=neighbors.KNeighborsClassifier()
clf.fit(X,Y)
scores.append(clf.score(X_test,y_test))
print(&Mean(scores)=%.5f\tStddev(scores)=%.5f&%(np.means(scores,np.std(scores))))
5、设计更多的特征
AvgSentLen,AvgWordLen,NumAllCaps,NumExclams
6、提升效果
1）增加更多的数据；2）考虑模型的复杂度；3）修改特征空间；4）改变模型
很重要的一点：偏差-方差折中
高偏差：增加更多的特征，使模型更加复杂
高方差：获取更多的数据，或者降低模型复杂度
1、采用逻辑回归
from sklearn.linear_model import LogisticRegression
clf=LogisticRegression()
clf.fit(x,y)
采用不同的正则化参数C得到不同的正确率，较小的c会带来较大的惩罚，它会使模型更为复杂。
2、为分类器瘦身
系数：clf.coef，一个特征的系数越高，这个特征在决定帖子好坏过程中的作用越大。&
参考知识库
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：9959次
排名：千里之外
原创：35篇
转载：13篇
(2)(5)(6)(3)(4)(14)(1)(17)(3)经检测你所在的网络可能存在爬虫，因资源限制，我们只能拒绝你的请求。
如果你是推酷的用户，可以以继续访问使用。
如有疑问，可将IP信息发送到
请求解封。所有计量经济学检验方法(全)_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
所有计量经济学检验方法(全)
||文档简介
在读研究生|
总评分4.7|
浏览量10985
&&计​量​经​济​学​检​验​方​法
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，查找使用更方便
还剩3页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢更多公众号：gh_7a53ef70787a利用先进的人工智能技术，帮助企业级用户用全新的视角服务您的客户，提升业务能力。凡响网络科技，为您带来不同凡响的科技体验。最新文章相关推荐搜狗：感谢您阅读机器学**如何更好地建立市场预测模型，本文可能来自网络，如果侵犯了您的相关权益，请联系管理员。QQ:

我要回帖

更多关于 检测3d模型 的文章

 

随机推荐