- 对应
newExplore.ipynb
文件 - 对数据集进行一系类特征观察
- 进行一些特征提取
- 构建一些简单模型或利用预训练模型如BERT,进行真假新闻判定
- 更细致的模型搭建Notebook(github):https://github.com/RainyMemory/BERT-Notebooks/blob/main/playWithFakeRealNews.ipynb
- 更细致的模型搭建Notebook(kaggle):https://www.kaggle.com/nifler/distinguish-fake-real-news
- 对应
strokeDataExplore.ipynb
文件 - 简单观察数据状态
- 利用Rattle查看/绘制样本分布
- 对一些明显的数据错误进行profilling或删除,进行一些简单的数据清理工作
- 对应
weatherAUSExplore.ipynb
文件 - 利用pandas观察数据状态
- 利用Rattle观察各维度数据分布状态
- 查看各维度outliers状况
- 对一些特征进行重新编码(如One-hot编码)
- 进行了一些outliers removal,Normalization,profilling等数据预处理工作
- 来自课程任务,代码对应
ipynb
文件 - 根据获取的大脑信号,对实验者聆听的音乐进行分类
- 主要利用浅MLP进行训练拟合
- 对特征数据进行预处理
- 对模型进行学习充分度分析,利用Progressive Compression方式进行神经元学习差异度分析
Reference:
1. Rahman, J.S., Gedeon, T., Caldwell, S. and Jones, R., 2020, July. Brain Melody Informatics:
Analysing Effects of Music on Brainwave Patterns. In 2020 International Joint Conference
on Neural Networks (IJCNN) (pp. 1-8). IEEE.
2. Gedeon, T. D., & Harris, D. (1992, June). Progressive image compression. Neural Networks,
1992. IJCNN., International Joint Conference on (Vol. 4, pp. 403-407). IEEE.