🚀 机器学习技术实践 🚀

created time 2019-04-23
Python默认使用3.11 版本，其他版本可能存在兼容问题，请自行修改。
⚠ 注意：本仓库代码为实验调试记录，建议结合具体场景参考使用.

🧠ML内容--工程测试代码

📂 各文件说明

• attention&&memory：基于注意力机制和记忆网络的企业信用评级与科研投入模型构建
• CNN：
  • 手写数字识别实验
  • 企业信用评级CNN模型构建（输出见out文件夹）
• GAN：生成手写数字的对抗神经网络实验
• gcForestTest：周志华团队多粒度级联森林算法实现
• MemNN：记忆网络实验
• MINST_DATA：手写数字数据集
• ML_Demo：PM2.5预测、反欺诈检测等机器学习实验
• NLP：基于卷积神经网络的文本情感分析
• RBM：受限玻尔兹曼机手写数字实验
• RiskPredict：CNN企业风险分析模型
• RNN：行业风险分析（含ARIMA方法），覆盖汽车/信息服务/房地产行业

---

🔍实例代码

访问ML Demo

1. 机器学习实验，关于CNN、RNN、GAN等神经网络算法的入门、中级、高级运用，运用在图像处理或医疗诊断等领域
2. 机器学习基础0108（regression、classification）
3. ML中回归、分类问题实例：
   • PM2.5各成分影响比重分析及预测未来几日PM2.5浓度值
   • E-mail反究欺诈预测
4. 记忆神经网络研学习(0506)

---

Neural Network算法在MNIST上的实践

1. CNN实验

• 利用卷积神经网络对手写体数字进行训练测试，使用2层神经网络的准确率为92.42%。

2. RNN实验

• 利用循环神经网络同样对手写体数字进行训练测试，准确率高达97.99%，从我的实验数据来分析明显高于卷积神经网络。

3. GAN实验

1. 生成式对抗网络生成手写数字图片，即教会神经网络算法自己学习写数字。（nivdia k80 GPU）
2. 在进行训练算法时，由于在远程服务器运行，本地调试，对于图像化显示就出现了错误，最后找到一个可行的方案就是在本地安装Xming软件并在 服务器端设置环境变量其中的将图像显示指向本地的ip:0.0,前提是要保证服务器端ping通本地机器，如果无法连接本地机器可关闭本地防火墙后再次尝试 ，就能很好解决这个问题，我使用的Xshell连接远程服务器。
3. 我用GAN教神经网路算法自己书写数字，在10000、20000、30000次的迭代下观察变化不是很大，而且也并不是迭代次数与输出结果有线性关系即次数越多并 不一定会增加训练结果的友好度，适当即可！

---

📊NLP情感分析实践

企业舆情分析

1. 实践过程中，一是语料库不是很多，即便有数据量也不够大。那么没有数据，我们也不能随意创造数据。只有去寻找了。随即自己写个爬虫去爬
2. 基于TensorFlow的keras进行建模。主要使用jieba分词、word2vector、知乎已训练的词向量等。
3. 主要数据和代码

📖 推荐阅读

技术博客精选

• 研究生守则20条
• 偏爱什么样的学生？
• 王泛森院士：研究生和本科生的区别

🗂️ 日常基于Python的模型开发项目目录结构

.
├── conf/           # 配置
│   └── conf.ini
├── logs/           # 运行日志
├── dataSets/       # 数据集
├── save_model/     # 模型存储
├── config.py       # 超参数配置
├── model.py        # 模型定义
├── train.py        # 训练入口
├── test.py         # 测试入口
├── utils.py        # 数据预处理工具
└── README.md

---

👉个人文章地址

📌update 2025022 create by lihanghang