我的文章

我的文章文本数据增强 – 回译

很多资料表明，通过文本数据增强也能够增强模型的分类性能。本篇文章总结几种文本数据增强的方法： 马尔科夫链文本增强 百度回译数据增强 EDA 数据增强 1. 数据信息简单展示 接下来演示使用的数据为 j...

我的文章文本数据增强 – EDA

在 《Easy Data Augmentation Techniques for Boosting Performance on Text Classification Tasks》 中作者提到: 在...

我的文章使用 PCA 实现图像压缩

我们知道 PCA 能够对信息（矩阵）进行压缩，图像数据也是矩阵形式，所以 PCA 也能够实现对图像数据压缩。 程序输出结果： 上面代码中，我们设置保留原始图像 0.8 的信息，输出图像的大小从 378...

我的文章潜在语义分析（Latent Semantic Analysis）

主题模型（Topic Model） 是以非监督的方式对文档的隐含语义结构（Latent Semantic Structure）进行聚类的统计模型。它主要被用于自然语义处理中的语义分析和文本挖掘问题，例...

我的文章多标签分类性能评估方法

多标签分类是指每个样本可以被分配到多个类别中，即：可以拥有多个标签。比如：某条新闻既可以是军事类新闻、也可以是政治类新闻。 在评估多标签分类模型时，我们使用的是样本平均精确率、样本平均召回率和样本平均...

我的文章《C++ 播放器》（一）主窗口

我的文章多标签损失计算

1. 多分类损失计算 我们在计算多分类损失时，使用的是多分类交叉熵损失。其简要的计算过程如下：假设：真实的标签为 [0, 0, 1, 0, 0]，预测的分数为 [0.15, -0.34, 0.12, ...

我的文章模板方法模式（TEMPLATE METHOD）

模板方法模式是设计模式中的一种非常简单，应用也较为广泛的设计模式。其基本的思想和意图是，预先定义好一些算法框架，并把算法的具体实现延迟到子类。也就是说，我们可以使用父类来定义算法的步骤，但是每一步具体...

我的文章适配器模式（ADAPTER）

适配器模式也是在开发一些业务框架时经常会使用到的模式。 1. STL 的适配器 其实该模式在我们使用 STL 标准模板库时也经常碰到过。比如，not1、not2 去翻适配器，bind1st、bind2...

我的文章观察者模式（OBSERVER）

观察者模式包含两个对象，一个是观察者，一个是被观察者。一般而言，观察者可以有多个，被观察者只有1个。当被观察者有任何的状态变化时，会通知到所有的观察者，观察者根据状态的不同做出不同的行为。 在 GoF...

我的文章图遍历算法（DFS、BFS）

图的遍历和树的遍历类似，从图中某一顶点出发访问遍图中其余顶点，且使每一个顶点仅被访问一次，这一过程叫做图的遍历。 由于图中的任何顶点都可能和其余所有的顶点相邻接，极有可能沿着某条路径搜索后，又回到原顶...

我的文章命令模式（Command）

命令模式用于将一个请求封装为一个对象，从而使你可用不同的请求对客户进行参数化；对请求排队或记录请求日志，以及支持可撤销的操作。 简单来讲，命令模式可以将不同的请求封装成统一的访问方式，比如有些请求函数...

我的文章二叉树遍历算法（Binary Tree）

二叉树遍历算法主要包括递归遍历方式、非递归遍历方式。而每一种方式又分为先序遍历、中序遍历、后序遍历。如果你的二叉树是二叉排序树，希望遍历出来的结果是有序的，那么无论是递归还是飞递归都需要使用中序遍历。...

我的文章隐马模型（HMM） 和 条件随机场（CRF）

HMM 和 CRF 的概念理解不那么简单，文章简单梳理下两者的区别和原理。 1. HMM 隐马尔科夫模型的训练参数有：初始状态概率矩阵、转移概率矩阵、发射概率矩阵。如果我们进行的是有监督学习，那么就需...

我的文章图的存储（Graph）

图的定义：图是由顶点的有穷非空集合和顶点之间的边的集合组成，通常表示为：G = (V,E)，其中，G表示一个图，V是图G中顶点的集合，E是图G中边的集合。 无向边：若顶点Vi 到Vj 的边没有方向，则...