机器学习

机器学习信息增益率（Gain Ratio）
孟宝亮2021-01-14123504
信息增益会倾向于选择特征值种类较多的特征，而信息增益率则不同。信息增益率的思想就是惩罚那些取值种类多的特征，也可以简单理解为，其更偏向于选择取值种类相对较少的特征。那么，信息增益率是如何惩罚取值种类多的特征呢？其实就是让...
机器学习 Glove 词向量
孟宝亮2020-09-2784402
GloVe（Global Vectors）是通过基于整个语料构建的共现矩阵来表征词的模型。 1. 共现矩阵共现矩阵顾明思议就是用来统计共同出现词的信息的矩阵，例如我们有语料如下：对语料内容分词，去重之后，会得到不重复...
机器学习 Bagging 和随机森林（Random Forest）
孟宝亮2020-07-1896000
随机森林是 Bagging 的思想的一种实现，它使用决策树作为基础学习器。随机森林概述包外估计 scikit-learn API 1. 随机森林概述在关于随机森林的原始论文中，随机森林错误率取决于两个因素：随机森...
机器学习 BLEU 摘要评价工具
孟宝亮2020-06-2269504
BLEU（Bilingual Evaluation Understudy）是用于评价机器翻译、文本摘要结果的评价指标，其得分值在 [0, 1]，越接近 1 生成的文本的质量越高。 Paper：https://aclant...
机器学习 AlexNet CIFAR10 图像分类
孟宝亮2020-05-0169802
AlexNet 是 2012 年 ImageNet 竞赛冠军获得者 Hinton 和他的学生 Alex Krizhevsky 设计的。AlexNet 把CNN 的基本原理应用到了很深很宽的网络中。主要使用到的新技术点如下...
机器学习恒等映射层 nn.Identity 的作用
孟宝亮2020-04-1094301
nn.Identity 在一些编码中会看到，它的实现代码非常简单，仅仅是将输入的内容原封不动的输出。请看它在 PyTorch 中的实现代码：其使用的时候，我们一般按照下面的方式使用：程序输出结果：从程序的执行结果，...
机器学习基于 Bert+CRF 实现 NER 任务
孟宝亮2020-04-0359202
Bert + CRF 的技术组合是目前非常常见的解决 NER 问题的架构，由 Bert 的多头自注意力机制，让模型建立起 Token 之间的关系，并给出第一阶段的 BIO 标签预测，由于在这一阶段中，我们并没有要求模型去...
PYTHON 词向量工具 word2vec 的使用
孟宝亮2020-01-1078904
word2vec 是基于浅层神经网络的词向量工具，接下来介绍下该工具的安装与使用。 1. word2vec 工具安装官网地址：Google Code Archive – Long-term storage ...
机器学习 GBDT 应用二分类问题
孟宝亮2020-01-0972204
对于分类问题，GBDT 回归和分类一样，都可以使用不同的损失函数。对于二分类问题，最常用的是对数似然损失函数，损失函数公式如下：表示样本的真实类别（1表示正例、0表示负例） F(x) 表示强学习器对样本的预测值损失值...
机器学习 K 近邻算法（K-Nearest Neighbor）
孟宝亮2019-12-0288701
K-近邻算法（K-Nearst Neighbor）基本是机器学习过程中接触的第一个算法。接下来，我们从以下几个方面来讲解下该算法： K-近邻算法实现思路 K-近邻算法基本要素 sklearn 代码实现 1. K-近邻算法...
机器学习 Top-K 和 Top-P
孟宝亮2019-10-138900
Top-K 和 Top-P（也称为 Nucleus Sampling）是文本生成过程中常用的采样策略，它们的目标是通过影响采样词汇的范围来提高生成的质量和多样性。它们的主要区别在于如何确定候选词的范围。 1. Top-K...
机器学习二分类性能评估方法
孟宝亮2019-10-0588400
在机器学习中，正确评估分类模型的性能至关重要。本课程将深入介绍各种评估指标和技术，帮助您更好地理解和评估模型的效果。 1. 准确率对分类模型的性能评估时经常使用准确率（Accuracy）评估方法，准确率是指分类模型正确...
机器学习隐马尔科夫模型（HMM）
孟宝亮2019-07-1081400
马尔科夫链即为状态空间中从一个状态到另一个状态转换的随机过程，并且当前状态只与上一个状态有关，即：上一个事件的发生可以影响到下一个事件的发生概率。 1. HMM 模型隐马尔科夫模型用于解决序列预测问题。 HMM 特征：...
机器学习检索系统中的关键字召回
孟宝亮2019-05-2873702
在做检索时，我们可以通过关键字召回可能的结果。这里就是两个简单的方法：基于 Inverted Index 进行召回基于 TF-IDF 进行召回 1. 基于 Inverted Index 进行召回这个思路较为简单，比...

1 … 15 16 17 18

机器学习

机器学习 信息增益率（Gain Ratio）

机器学习 Glove 词向量

机器学习 Bagging 和随机森林（Random Forest）

机器学习 BLEU 摘要评价工具

机器学习 AlexNet CIFAR10 图像分类

机器学习 恒等映射层 nn.Identity 的作用

机器学习 基于 Bert+CRF 实现 NER 任务

PYTHON 词向量工具 word2vec 的使用

机器学习 GBDT 应用二分类问题

机器学习 K 近邻算法（K-Nearest Neighbor）

机器学习 Top-K 和 Top-P

机器学习 二分类性能评估方法

机器学习 隐马尔科夫模型（HMM）

机器学习 检索系统中的关键字召回

相关课程