第05课 深度神经网络——找出可能流失的客户

零基础学机器学习 2022-01-04 13:49:30
...全文
371 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
深度学习实战案例：基于 Pytorch +DNN的顾客流失预测
本文详细介绍了如何使用PyTorch库解决一个分类问题，即预测银行客户在6个月后的流失情况。首先，文章解释了分类问题的概念，然后讨论了数据集的预处理，包括数据清洗、特征编码和张量转换。接着，构建了一个包含嵌入层的深度学习模型，并进行了训练。最后，文章展示了模型在测试集上的性能，包括损失、准确率等指标，证明了模型的有效性。
PRML零售分析：客户流失预警系统终极指南 [特殊字符]
本文基于PRML（Pattern Recognition and Machine Learning）Python实现，系统阐述零售业客户流失预警系统的构建方法。涵盖数据准备、特征工程、逻辑回归/神经网络/贝叶斯网络等算法选型、模型评估（AUC-ROC、召回率等）、不平衡数据处理（SMOTE、代价敏感学习）、集成学习及部署监控全流程。强调PRML在可解释性、算法透明性和定制化开发上的优势，适用于电商等零售场景。
R语言应用实战系列（六）-基于R的人工神经网络ANN算法和KNN算法（k-Nearest Neighbour）
这篇博客介绍了人工神经网络（ANN）和K最近邻（KNN）算法在预测客户流失问题上的实现。首先，使用R语言的nnet包构建了一个包含10个隐藏层节点的神经网络模型，并展示了训练和测试过程中的损失函数变化以及权重值。接着，通过kknn包应用KNN算法，展示了训练集和测试集的分类结果，以及混淆矩阵。这两者都是非监督学习工具，用于处理分类问题，尤其在数据类别边界模糊时表现出较好的性能。
Python实战：HR员工流失预测与可解释性建模
本文基于Python实现面向HR业务场景的员工流失预测项目，强调可解释性而非单纯精度。采用改造版RandomForest模型，融合HR核心事实、行为过程与心理感知三层数据；通过业务驱动的特征工程（如时间节奏探测、文本模式识别、特征交互）、滚动时间分割验证及SHAP值业务化翻译，输出HR总监可理解的干预建议。全程纯Python实现，覆盖数据清洗、模型训练、解释交付与线上运维关键环节。
十个最常用深度学习图像/视频数据标注工具
在深度学习领域，训练数据对结果至关重要。计算机视觉领域常需专门数据集，获取训练数据的方法有人工、自动和外包标注。人工标注结果可靠，推荐用客户端或离线WEB端工具。还介绍了十大常用图像数据标注工具，如LabelImg、Labelme等。
《零基础学机器学习》

7

社区成员

359

社区内容

发帖
与我相关
我的任务
社区描述
本书的目标，是让非机器学习领域甚至非计算机专业出身但有学习需求的人，轻松地掌握机器学习的基本知识，从而拥有相关的实战能力。
社区管理员
  • 小屁孩
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章