𝔏ℑ𝔑'𝔖 𝔅𝔏𝔒𝔊
classification
2020-08-28
3 / 4
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
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…
machine-learning
One Class Learning
Hermit
/
2019-10-02
在資料探勘中,異常檢測:anomaly detection對不符合預期模式或資料集中其他專案的專案、事件或觀測值的辨識。 通常異常專案會轉變成銀行欺詐、結構缺陷、醫療問題、文字錯誤等類型的問題。異常也被稱為離群值、新奇、噪聲、偏差和例外。 特別是在檢測濫用與網路入侵時,有趣性物件往往不是罕見物件,但卻是超出預料的突發活動。這種模式不遵循通常統計定義中把異常點看作是罕見物件,於是許多異常檢測方法(特別是無監督的方法)將對此類資料失效,除非進行了合適的聚集。相反,群集分析演算法可能可以檢測出這些模式形成的微群集。 有三大類異常檢測方法。在假設資料集中大多數實體都是正常的前提下,無監督異常檢測方法能…
Python
THU Preliminary by Neural Network
Hermit
/
2019-08-22
先前剛看完齋藤康毅的深度學習架構,因此最近正在學習使用keras架立神經網路模型,範例檔案都是使用mnist手寫資料,正在練習時突然想到先前東海大學大數據的初賽可以拿來實踐看看。而在嘗試建立好模型後,發現準確度也是高達99%,因此寫這篇文章將架構的部分筆記起來。 […] 因使用Windows 10,所以許多環境設置相比於Linux來說更加繁瑣,因此使用Anaconda來簡化tensorflow gpu CUDA的設置。 為了能順利使用keras,所以虛擬環境使用:python3.6 + CUDA 10 + cuDNN 7.4.2 + Tesorflow-GPU + Keras。…
««
«
1
2
3
4
»
»»