𝔏ℑ𝔑'𝔖 𝔅𝔏𝔒𝔊
gan
2020-08-28
2 / 2
deep-learning
GAN Based Small Sample Augmentation
Hermit
/
2019-11-25
I read some paper about GAN for generate synthetic sample data. Then I find a paper it’s framework works similar with my one-class-GAN. So I want to record the paper’s marrows this time. There is the paper resource link:…
deep-learning
GAN Sampling Versus Other Sampling Method On Credit Card Fraud Detection Data
Hermit
/
2019-11-19
這次,我將使用一個來自kaggle的不平衡數據資料(link:https://www.kaggle.com/mlg-ulb/creditcardfraud/version/1). 該數據集包含了歐洲持卡人2013年9月通過信用卡進行的交易。這些交易發生在兩天之內,在這裡我們有492筆詐騙資料以及284807正常交易資料。該數據集是非常不平衡的,其中陰性樣本(詐欺)佔所有交易的0.172%。它的變量包含數值輸入變量後PCA變換的結果。不幸的是,由於保密問題我們不能得到原始數據的更多背景信息。特徵V1,V2,…… V28與PCA獲得的主成分,還沒有被轉化與PCA的變量是“交易時間”和“交易金額”。…
deep-learning
Practice in GAN with One Class Learning
Hermit
/
2019-11-14
這次我將使用先前東海大學大數據競賽的初賽資料,也就是熱成化加工的數據資料,而該資料中一共有8類,我將資料的第5與8類挑選出來,並僅取3筆第5類資料與136筆第8類資料作為訓練資料,而驗證資料則為9筆第5類資料與136筆第8類資料作為測試資料,因此我們的目標是使用生成對抗網路來生成第5類資料以達到資料平衡後進行後續的分類分析。 […] import pandas as pd import numpy as np df = pd.read_csv('C:/Users/User/OneDrive -…
deep-learning
GAN with One Class Learning
Hermit
/
2019-11-09
先前幾次我嘗試使用生成對抗網路產生一系列資料,但我們知道GAN的訓練很難調整,除非將生成資料直接拿去訓練比照結果,否則很難知道這次生成樣本的品質(這裡的品質是指有時候樣本過少時,我們產生所需的假資料是否能完美的當作一般樣本進行後續分析),因此我想透過一些外部機制來當作衡量生成器生成的品質驗證,後來思考其實這有點像是異常檢測,若是先將真實資料做一個一元的異常檢測分類器,我們便可將GAN產生的資料用此當作二次確認(第一次確認是在GAN當中的判別器),構想圖如下: 我們將想要生成的某類資料匯入後,先建構一個一元分類器,並將所有資料點都包含於正常資料。接著將原資料匯入GAN當中,經過幾次迭代後,我們…
deep-learning
Using GAN to generate some non image data with CRE bateria data
Hermit
/
2019-11-06
這次我將修改前次的生成對抗網路,希望能夠調整為一個自動生成樣本的神經網路。我這次將使用以前曾經使用過的CRE Bacteria data(https://hermitlin.netlify.com/post/2019/04/24/cre-bacteria-data-analysis/ )。 我先建立一個簡單的分類模型,一將使用p_value前五個維度當作解釋變數,先建立一個簡單的分類模型,並將第一類的46個當作樣本輸入至生成對抗網路,調整訓練參數,且試圖讓神經網路能夠產生第一類別的資料。最後,經由生成器生成的資料我將匯入原先的分類模型,觀察是否能產生類似於第一類別的資料,並最終計算其生成準確…
««
«
1
2
»
»»