Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
大唐爆破僧
apachecn-dl-zh
提交
aac292ae
A
apachecn-dl-zh
项目概览
大唐爆破僧
/
apachecn-dl-zh
与 Fork 源项目一致
Fork自
OpenDocCN / apachecn-dl-zh
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
A
apachecn-dl-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
aac292ae
编写于
8月 06, 2020
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2020-08-06 18:38:43
上级
bce6e004
变更
2
隐藏空白更改
内联
并排
Showing
2 changed file
with
16 addition
and
16 deletion
+16
-16
docs/dl-tf-2e-zh/ch03.md
docs/dl-tf-2e-zh/ch03.md
+14
-14
docs/dl-tf-2e-zh/ch06.md
docs/dl-tf-2e-zh/ch06.md
+2
-2
未找到文件。
docs/dl-tf-2e-zh/ch03.md
浏览文件 @
aac292ae
...
...
@@ -406,25 +406,25 @@ MLP 在 1986 年首次使用反向传播训练算法成功训练。然而,现
| ID | 属性 | 说明 |
| --- | --- | --- |
| 1 |
`age`
| 年龄数字。 |
| 2 |
`job`
| 这是
具有可能值的分类格式的职业类型
:
`admin`
,
`blue-collar`
,
`entrepreneur`
,
`housemaid`
,
`management`
,
`retired`
,
`self-employed`
,
`services`
,
`student`
,
`technician`
,
`unemployed`
和
`unknown`
。 |
| 3 |
`marital`
| 这是
具有可能值的分类格式的婚姻状态
:
`divorced`
(或
`widowed`
),
`married`
,
`single`
和
`unknown`
。 |
| 4 |
`education`
| 这是
具有如下可能值的分类格式的教育背景
:
`basic.4y`
,
`basic.6y`
,
`basic.9y`
,
`high.school`
,
`illiterate`
,
`professional.course`
,
`university.degree`
和
`unknown`
。 |
| 五 |
`default`
| 这是
一种分类格式,默认情况下可能包含信用值
:
`no`
,
`yes`
和
`unknown`
。 |
| 2 |
`job`
| 这是
类别格式的职业类型,具有可能的值
:
`admin`
,
`blue-collar`
,
`entrepreneur`
,
`housemaid`
,
`management`
,
`retired`
,
`self-employed`
,
`services`
,
`student`
,
`technician`
,
`unemployed`
和
`unknown`
。 |
| 3 |
`marital`
| 这是
类别格式的婚姻状态,具有可能的值
:
`divorced`
(或
`widowed`
),
`married`
,
`single`
和
`unknown`
。 |
| 4 |
`education`
| 这是
类别格式的教育背景,具有如下可能的值
:
`basic.4y`
,
`basic.6y`
,
`basic.9y`
,
`high.school`
,
`illiterate`
,
`professional.course`
,
`university.degree`
和
`unknown`
。 |
| 五 |
`default`
| 这是
类别格式的信用,默认情况下可能包含
:
`no`
,
`yes`
和
`unknown`
。 |
| 6 |
`housing`
| 客户是否有住房贷款? |
| 7 |
`loan`
|
具有可能值的分类格式的个人贷款
:
`no`
,
`yes`
和
`unknown`
。 |
| 8 |
`contact`
| 这是
具有可能值的分类格式的通信类型
:
`cellular`
或
`telephone`
。 |
| 9 |
`month`
| 这是
具有可能值的分类格式的一年中最后一个通话月份
:
`jan`
,
`feb`
,
`mar`
,...
`nov`
和
`dec`
。 |
| 10 |
`day_of_week`
| 这是
一周中的最后一个通话日,其分类格式为
可能的值:
`mon`
,
`tue`
,
`wed`
,
`thu`
和
`fri`
。 |
| 7 |
`loan`
|
类别格式的个人贷款,具有可能的值
:
`no`
,
`yes`
和
`unknown`
。 |
| 8 |
`contact`
| 这是
类别格式的通信类型,具有可能的值
:
`cellular`
或
`telephone`
。 |
| 9 |
`month`
| 这是
类别格式的一年中最后一个通话月份,具有可能的值
:
`jan`
,
`feb`
,
`mar`
,...
`nov`
和
`dec`
。 |
| 10 |
`day_of_week`
| 这是
类别格式的一周中的最后一个通话日,具有
可能的值:
`mon`
,
`tue`
,
`wed`
,
`thu`
和
`fri`
。 |
| 11 |
`duration`
| 这是以秒为单位的最后一次通话持续时间(数值)。此属性高度影响输出目标(例如,如果
`duration = 0`
,则
`y = no`
)。然而,在执行呼叫之前不知道持续时间。另外,在通话结束后,
`y`
显然是已知的。因此,此输入仅应包括在基准目的中,如果打算采用现实的预测模型,则应将其丢弃。 |
| 12 |
`campaign`
| 这是活动期间此客户的通话数量。 |
| 13 |
`pdays`
| 这是上一个广告系列和客户的上次通话之后经过的天数(数字 -999 表示之前未联系过客户)。 |
| 14 |
`previous`
| 这是之前此广告系列和此客户的通话数量(数字)。 |
| 15 |
`poutcome`
| 上一次营销活动的结果(
分类
:
`failure`
,
`nonexistent`
和
`success`
)。 |
| 16 |
`emp.var.rate`
| 这是就业变化率
和
季度指标(数字)。 |
| 17 |
`cons.price.idx`
| 这是消费者价格指数
和
月度指标(数字)。 |
| 18 |
`cons.conf.idx`
| 这是消费者信心指数
和
月度指标(数字)。 |
| 19 |
`euribor3m`
| 这是 3 个月的 euribor 费率
和
每日指标(数字)。 |
| 20 |
`nr.employed`
| 这是员工数
和
季度指标(数字)。 |
| 15 |
`poutcome`
| 上一次营销活动的结果(
类别
:
`failure`
,
`nonexistent`
和
`success`
)。 |
| 16 |
`emp.var.rate`
| 这是就业变化率
的
季度指标(数字)。 |
| 17 |
`cons.price.idx`
| 这是消费者价格指数
的
月度指标(数字)。 |
| 18 |
`cons.conf.idx`
| 这是消费者信心指数
的
月度指标(数字)。 |
| 19 |
`euribor3m`
| 这是 3 个月的 euribor 费率
的
每日指标(数字)。 |
| 20 |
`nr.employed`
| 这是员工数
的
季度指标(数字)。 |
| 21 |
`y`
| 表示客户是否拥有定期存款,可能值是二元:
`yes`
和
`no`
。 |
### 预处理
...
...
docs/dl-tf-2e-zh/ch06.md
浏览文件 @
aac292ae
...
...
@@ -810,9 +810,9 @@ plot_error()
UMICH SI650 - 情感分类数据集(删除了重复)包含有关密歇根大学捐赠的产品和电影评论的数据,可以从
[
此链接下载
](
https://inclass.kaggle.com/c/si650winter11/data/
)
。在获取令牌之前,已经清除了不需要的或特殊的字符(参见
`data.csv`
文件)。
以下脚本还会删除停用词(请参阅
`data_preparation.py`
)。给出一些标记为阴性或阳性的样本(1 为
阳性,0 为阴性
):
以下脚本还会删除停用词(请参阅
`data_preparation.py`
)。给出一些标记为阴性或阳性的样本(1 为
正面,0 为负面
):
| 情感 |
SentimentText
|
| 情感 |
情感文本
|
| --- | --- |
| 1 | 达芬奇密码书真棒。 |
| 1 | 我很喜欢达芬奇密码。 |
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录