二分类评估回归模型评估 聚类模型评估 混淆矩阵 多分类评估

首先看一下标准化和归一化的公式：归一化 : $x'=\frac{x-min(x)}{max(x)-min(x)}$标准化 :$x'=\frac{x-x_{hat}}{s}$其中$x_{hat}$为均值，s为均方差,又叫标准差，又叫方差的开方数据中心化 :是指：变量减去它的均值。意义：意义是取消由于量纲不同、自身变异或者数值相差较大所引起的误差。归一化和标准化的区别：归一化是将样本的特征值转换到同一量纲下把数据映射到[0,1]或者[-1, 1]区间内，仅由变量的极值决定，因区间放缩法是归一化的一种。标准化是依照特征矩阵的列处理数据，其通过求z-score的方法，转换为标准正态- 阅读剩余部分 -

常见的数据预处理方法：1.采样与过滤2.采数据合并3.采归一化4.采标准化5.采拆分6.采缺失值填充

一、背景自从transformer出来之后，后面的算法基本上都是基于这个为基础，比如bert是以Encode层，GPT系列的GPT、GPT2、GPT3都是Decode层，下面我们主要讲解一下GPT。1、论文论文名字：《Improving Language Understanding by Generative Pre-Training》论文地址：Improving Language Understanding by Generative Pre-Training2、论文发表时间时间：2018年6月团队：openAI、特斯拉老板马斯克的公司二、架构1、架构图:注意：GPT 使- 阅读剩余部分 -

一、版本[tensorflow1.10 到 tensorflow1.13] 中都有tf.flags和tf.app.flags[tensorflow1.14 到 tensorflow1.15] 以及 tensorflow2.0不在有了二、作用Tensorflow 采用tf.app.flags 来进行命令行参数传递.如 - flags_test.pyimport tensorflow as tf flags = tf.app.flags FLAGS = flags.FLAGS # Settings for some training parameters. flags.D- 阅读剩余部分 -

请输入密码访问