机器学习

机器学习高斯朴素贝叶斯（Gaussian NB）
孟宝亮2023-06-28112501
高斯朴素贝叶斯（Gaussian Naive Bayes）是一种基于贝叶斯定理的分类算法，它假设数据的特征遵循高斯（正态）分布，属于朴素贝叶斯分类器的一种。我们可以基于词频、TF-IDF、Word2Vec 等方法将邮件...
机器学习补集朴素贝叶斯（Complement NB）
孟宝亮2023-06-2794200
Complement Naive Bayes (CNB) 是对多项式朴素贝叶斯 (Multinomial Naive Bayes, MNB) 的一种改进。它主要针对多项式朴素贝叶斯在处理类别不平衡问题时表现不佳的情况进行...
机器学习 DIET（Dual Intent and Entity Transformer）
孟宝亮2023-05-17103402
DIET（Dual Intent and Entity Transformer）是一种基于Transformer架构的自然语言处理模型，用于意图识别和实体提取任务。它是 Rasa 聊天机器人框架中的一部分。 DIET 在...
机器学习基于 KG 问答系统 – 知识图谱
孟宝亮2023-04-2899300
我们构建一个《水浒传》中 108 好汉的知识图谱，问答系统的设置问题围绕该知识图谱设计。这一步主要包含两部分：爬取数据构建图谱 1. 爬取数据数据中一部分从百度百科爬取，一部分则手动构建。 2. 构建图谱这一步实...
机器学习支持向量机高斯核函数（RBF）
孟宝亮2023-04-1560804
支持向量机（SVM）强大的学习能力有很大程度上来源于高斯核函数的引入，并且 sklearn 中支持向量机默认的实现使用的就是高斯核函数。我们看下支持向量机通过对偶问题转换后得到的数学表示：公式中，α 的值是每一个约束...
机器学习 AdaBelief 优化器原理
孟宝亮2023-04-11130700
Paper：https://arxiv.org/pdf/2010.07468.pdf
机器学习 Bert 学习 OpenAI 句向量
孟宝亮2023-04-09119403
OpenAI 提供了 text-embedding-ada-002 模型用于计算输入 sentence 的向量表示。该模型包括一个多层双向 Transformer 编码器和一个平均池化层，用于将编码器的输出转换为固定长度...
机器学习基于 OpenAI 微调分类模型
孟宝亮2023-04-09133603
基于 OpenAI 的模型进行分类任务微调，大致需要以下几个步骤：准备数据：这一步先自行对文本进行预处理，然后使用 OpenAI 工具对文本内容进行二次处理微调模型：将准备好的数据上传，并指定预训练模型进行微调使用...
机器学习 OpenAI Moderation
孟宝亮2023-04-09125204
内容审核（Moderation）是指对在线内容，如评论、消息和帖子进行审核和监控，以确保它们符合特定平台或社区的规则和政策。内容审核可以通过人工审核或自动化系统来执行，其目的是防止有害或不适当的内容被共享。内容审核在在...
机器学习基于 OpenAI 实现文本相似度匹配
孟宝亮2023-04-09149300
使用 embeddings 可以实现如下的一些 NLP 任务：搜索(根据与查询字符串的相关性对结果进行排名) 聚类(文本字符串按相似度分组) 推荐(推荐具有相关文本字符串的项) 异常检测(识别相关性很小的异常值) 多样...
机器学习 OpenAI 模型解码参数
孟宝亮2023-04-07136202
Completions 是指GPT模型接收一个输入字符串，然后自动生成一个完成的输出字符串。这种功能通常用于生成文本，例如自动生成文章、电子邮件回复或聊天记录等。用户可以指定输入字符串的前缀，然后让模型生成可能的后缀。这...
机器学习原型网络（Prototypical Networks）
孟宝亮2023-04-06167401
原型网络是一种能够解决小样本学习问题。其主要思想是将样本映射到一个低维空间中，并在该空间中计算每个类别的原型，然后通过计算测试样本和每个原型之间的距离来进行分类。 Paper：https://arxiv.org/pdf/...
机器学习 XGBoost 解决多分类问题
孟宝亮2023-03-30250903
分类问题主要分为二分类、多分类。我们先推导一下 XGB 是如何解决二分类问题，再去理解 XGB 如何解决多分类问题。二分类问题时，我们一般会使用 Simoid 函数，将模型的输出值映射到 0-1 范围内，得到模型预测 ...
机器学习 XGBoost（Extreme Gradient Boosting）
孟宝亮2023-03-29177202
XGBoost 是对 GBDT 算法的改进。其改进主要如下：损失函数求解使用了泰勒二阶展开; 损失函数中添加了正则化项; XGBoost 损失函数如下：第一部分真实值和预测值之间的经验损失，第二部分是正则化项。一般来...

1 … 3 4 5 … 18

机器学习

机器学习 高斯朴素贝叶斯（Gaussian NB）

机器学习 补集朴素贝叶斯（Complement NB）

机器学习 DIET（Dual Intent and Entity Transformer）

机器学习 基于 KG 问答系统 – 知识图谱

机器学习 支持向量机高斯核函数（RBF）

机器学习 AdaBelief 优化器原理

机器学习 Bert 学习 OpenAI 句向量

机器学习 基于 OpenAI 微调分类模型

机器学习 OpenAI Moderation

机器学习 基于 OpenAI 实现文本相似度匹配

机器学习 OpenAI 模型解码参数

机器学习 原型网络（Prototypical Networks）

机器学习 XGBoost 解决多分类问题

机器学习 XGBoost（Extreme Gradient Boosting）

相关课程