素观虚的案例列表
稳健逻辑回归系列模型
利用Tensorflow编写了单调函数限制下的多层感知机，用来进行单变量编码，编码后的变量与Y取1的概率成正相关、自动中心化和标准化、和原变量为单调关系。为了配合和利用编码后的变量与Y取1的概率成正相关这一性质，我改进了现有的Logistic，增加系数为非负数的限制，把最优化问题转化为条件最优问题，间接地解决了多重共线性问题，使得模型更加稳健。同时，虽然Lasso逻辑回归是凸优化问题，但是为了保证模型稳健性，我采用SGD求解，并在收敛后取100次迭代的模型进行bagging，增加稳健性。同时，实现模型工程化部署。
融合先验知识的全科医生智能辅助诊断模型
疾病诊断模型：通过交替训练和改变神经网络结构设计，将知识图谱获取的医学知识(疾病典型症状、疾病对应科室、症状和疾病的先验关系等)融合到深度学习模型中。使得疾病诊断模型在原有基础上和医学知识更加吻合。该成果得到了上级认可，并且已经部署到辅助诊断产品系统上。
案例判断参考
素观虚的案例列表
稳健逻辑回归系列模型
利用Tensorflow编写了单调函数限制下的多层感知机，用来进行单变量编码，编码后的变量与Y取1的概率成正相关、自动中心化和标准化、和原变量为单调关系。为了配合和利用编码后的变量与Y取1的概率成正相关这一性质，我改进了现有的Logistic，增加系数为非负数的限制，把最优化问题转化为条件最优问题，间接地解决了多重共线性问题，使得模型更加稳健。同时，虽然Lasso逻辑回归是凸优化问题，但是为了保证模型稳健性，我采用SGD求解，并在收敛后取100次迭代的模型进行bagging，增加稳健性。同时，实现模型工程化部署。...
融合先验知识的全科医生智能辅助诊断模型
疾病诊断模型：通过交替训练和改变神经网络结构设计，将知识图谱获取的医学知识(疾病典型症状、疾病对应科室、症状和疾病的先验关系等)融合到深度学习模型中。使得疾病诊断模型在原有基础上和医学知识更加吻合。该成果得到了上级认可，并且已经部署到辅助诊断产品系统上。...
