知识卡片
实验整体架构
结构图展示了一份数据、两条主线、四种组合的实验框架。原始CSV经字典化、时间拆分与标签化生成feature_train_data.pickle;一支进入神经网络主线,分别用独热编码或Embedding表示分类特征;另一支进入XGBoost主线,分别用标签化特征或训练好的嵌入向量作为输入。四条路径的输出都送进同一个evaluate_models,以相对误差指标比较,最终得出NN优于XGBoost、EE优于非EE的结论。读图要点在于:Embedding既可以直接作为神经网络的输入层,也可以被保存下来喂给树模型,这正是本章要验证的两种用法。
结构图:
classDiagram
class RawData {
+train.csv
+store.csv
+store_states.csv
}
class Preprocess {
+csv2dicts()
+set_nan_as_string()
+feature_list()
+LabelEncoder
+feature_train_data.pickle
}
class NN_OneHot {
+OneHotEncoder
+Dense1000
+Dense500
}
class NN_EntityEmbedding {
+EmbeddingLayers
+Concatenate
+Dense1000
+Dense500
}
class XGBoost_Label {
+DMatrix
+regLinear
}
class XGBoost_Embedding {
+embed_features()
+DMatrix
}
class Eval {
+evaluate_models()
+relativeError
}
RawData --> Preprocess : loadAndClean
Preprocess --> NN_OneHot : oneHotInput
Preprocess --> NN_EntityEmbedding : categoricalInput
Preprocess --> XGBoost_Label : labelInput
NN_EntityEmbedding --> XGBoost_Embedding : savedEmbeddings
NN_OneHot --> Eval
NN_EntityEmbedding --> Eval
XGBoost_Label --> Eval
XGBoost_Embedding --> Eval
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第11章 用Embedding提升机器学习性能 · 查看原书依据
结果显示,采用了Embedding方法的算法都好于没有使用Embedding方法的算法,证明了使用Embedding能提升模型性能。
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第11章 用Embedding提升机器学习性能(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter15.xhtml)
- 结论依据:原文11.1概述与11.2至11.4各节分别实现四种组合,并统一用相对误差评估,支撑本图对实验框架的归纳。
- 原始内容:结果显示,采用了Embedding方法的算法都好于没有使用Embedding方法的算法,证明了使用Embedding能提升模型性能。