/SDP_DeepL

基于深度学习的复杂稀疏数据预测,

Primary LanguagePython

特征

特征工程是至关重要的一个环节，挑选特征同时尽量保证特征的属性，合理性和不合理性等等

输入数据结构以及模型结构

数据由类别数据和数值型数据构成，其次是标签数据，
例如：
traindata：
intdata catdata target
2 A 0
3 B 1
4 C 0
7 D 1

模型结构

SDP_L(
(emb): ModuleList(
(0): EmbeddingBag(6, 3, mode=sum)
(1): EmbeddingBag(7, 3, mode=sum)
(2): EmbeddingBag(6, 3, mode=sum)
(3): EmbeddingBag(5, 3, mode=sum)
(4): EmbeddingBag(8, 3, mode=sum)
(5): EmbeddingBag(6, 3, mode=sum)
(6): EmbeddingBag(5, 3, mode=sum)
)
(ann): Sequential(
(0): Linear(in_features=5, out_features=2, bias=True)
(1): ReLU()
(2): Linear(in_features=2, out_features=3, bias=True)
(3): ReLU()
)
(ann): Sequential(
(0): Linear(in_features=31, out_features=4, bias=True)
(1): ReLU()
(2): Linear(in_features=4, out_features=3, bias=True)
(3): ReLU()
(4): Linear(in_features=3, out_features=1, bias=True)
(5): Sigmoid()
)
)

使用

首先需要将函数路径添加的环境路径 '' import sys sys.path.append("./data/") sys.path.append("./model/") ''