java生成结果集向量,如何解释H2o深度学习输出向量?
发布日期:2021-06-24 10:22:45 浏览次数:4 分类:技术文章

本文共 603 字,大约阅读时间需要 2 分钟。

我想用H2o深度学习模型预测标签,我无法解释我的H2o深度学习输出 .

这是我的H2o深度学习模型的模型参数 .

dl_model = deeplearning.H2ODeepLearningEstimator(hidden =[200,200],

epochs = 10,

missing_values_handling= 'MeanImputation',

activation = "Tanh",

)

我传递了Blog内容的word2vec向量,其名称为Content.vecs,Y也是Tags的word2vec .

训练模型

dl_model.train(x= Content_vecs.names,

y= 'Y',

training_frame = data_split[0],

validation_frame = data_split[1]

)

而输出是

**predict

-0.700515

-0.700515

-0.700515

-0.700515

-0.700515

-0.700515

-0.700515

-0.700515

-0.700515

-0.700515**

在Original Data中,预测变量是内容,响应变量是标签 . 我将内容的Word2vec向量作为x传递,将标签作为深度学习中的y传递Figure . 我想用H2o深度学习和word2vec预测单个或多个标签

转载地址:https://blog.csdn.net/weixin_32058931/article/details/115806301 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:matlab 曲线拟合求导,如何对matlab cftool拟合得到的cfit函数求导数
下一篇:php sspi,php 内置的 web 服务器 php -s

发表评论

最新留言

路过,博主的博客真漂亮。。
[***.116.15.85]2024年03月28日 21时49分04秒