长短期记忆 (LSTM) 循环神经网络的一个强大特性是它们能够记住长序列间隔中的观测值。这可以通过设计一个简单的序列回声问题来演示，其中整个输入序列或输入序列的部分连续块被回声作为输出序列。开发 LSTM 循环神经 […]
作者归档 | Jason Brownlee
如何在 Keras 中学习使用 LSTM 回显随机整数
长短期记忆 (LSTM) 循环神经网络能够学习长序列数据中的顺序依赖性。它们是许多最新成果的基本技术，例如图像字幕和机器翻译。它们也很难理解，特别是如何构建一个问题以获得最佳 […]
Keras 中长短期记忆模型的 5 步生命周期
使用 Keras 在 Python 中创建和评估深度学习神经网络非常容易，但您必须遵循严格的模型生命周期。在这篇文章中，您将发现使用 Keras 创建、训练和评估长短期记忆 (LSTM) 循环神经网络的循序渐进的生命周期，以及如何使用训练好的模型进行预测。 […]
如何在 Python 中为机器学习结果计算 Bootstrap 置信区间
同时展示机器学习模型的预期技能以及该模型的置信区间很重要。置信区间提供了模型技能的范围以及在对新数据进行预测时模型技能落在此范围内的可能性。例如，95% 的可能性 […]
如何用置信区间报告分类器性能
一旦您为分类问题选择了机器学习算法，您就需要向利益相关者报告模型的性能。这很重要，这样您可以为模型在新数据上的表现设定预期。一个常见的错误是仅报告模型的分类准确性。在这篇文章中，您 […]
如何评估深度学习模型的技能
我经常看到从业者对如何评估深度学习模型感到困惑。这通常从诸如“我应该使用什么随机种子？”、“我需要随机种子吗？”、“为什么我后续运行得不到相同的结果？”之类的问题中可以看出。在这篇文章中，您将发现一个可以用来 […]
处理机器学习大型数据文件的 7 种方法
探索和应用机器学习算法于无法完全载入内存的数据集是很常见的。这会导致出现一些问题，例如：“如何加载我的多个 GB 的数据文件？”、“当我尝试运行我的数据集时，算法崩溃了；我该怎么办？”、“你能帮我解决内存不足的错误吗？” […]
关于长短期记忆网络在时间序列预测中的适用性
长短期记忆 (LSTM) 是一种循环神经网络，能够学习序列中项目之间的顺序依赖性。LSTM 有可能学习时间序列预测问题中所需的上下文，而不是预先指定和固定的上下文。鉴于其潜力，有一个 […]
由专家带来的长短期记忆网络简明介绍
长短期记忆 (LSTM) 网络是一种能够学习序列预测问题中顺序依赖性的循环神经网络。这是机器学习翻译、语音识别等复杂领域所需的一种行为。LSTM 是深度学习的一个复杂领域。要全面理解它可能很困难 […]
循环神经网络在时间序列预测中的前景
循环神经网络是一种神经网络，它显式处理输入观测值中的顺序。这种能力表明循环神经网络的承诺是学习输入序列的时间上下文，以便做出更好的预测。也就是说，一套滞后观测值是做出 […]