- 博客(4)
- 收藏
- 关注
RSS订阅原创 Task4 基于深度学习的文本分类1-fastText
这里写目录标题一级目录二级目录三级目录与传统机器学习不同，深度学习既提供特征提取功能，也可以完成分类的功能。从本章开始我们将学习如何使用深度学习来完成文本表示。现有文本表示方法的缺陷：One-hotBag of WordsN-gramTF-IDF也通过sklean进行了相应的实践，相信你也有了初步的认知。但上述方法都或多或少存在一定的问题：转换得到的向量维度很高，需要较长的训练实践；没有考虑单词与单词之间的关系，只是进行了统计。与这些表示方法不同，深度学习也可以用于文本表示，还可以将其映射到
2020-07-28 23:56:00
97
原创 Datawhale零基础入门NLP-Task01-day3
Datawhale零基础入门NLP-Task01-day 3TF-IDF + RidgeClassifier一. 基础知识：文本表示方法 Part1**One-hot****Bag of Words****N-gram****TF-IDF**二. 具体步骤1. 事例2. 实操a. 读取，合并数据：`concat:``append:`b. TF-IDFc. TF-IDF和ngram进行gridsearchd. 分类器RidgeClassifier（岭回归分类器）LinearSVC引用学习资料：https:
2020-07-25 06:24:07
271
原创 Datawhale零基础入门NLP-Task01-day2
数据读取与数据分析数据读取与数据分析一. 数据读取二. 数据分析句子长度分析新闻类别分布字符分布统计数据分析的结论**本章小结**本文主要资源引用：https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12586969.1002.9.6406111aIKCSLV&postId=118253本章主要内容为数据读取和数据分析，具体使用Pandas库完成数据读取操作，并对赛题数据进行分析构成。数据读取与数据分析赛题数据虽然是文本数据，
2020-07-22 23:14:19
238
原创 Datawhale零基础入门NLP-Task01-day 1
Datawhale零基础入门NLP-Task01-day 1一、赛题数据赛题理解赛题数据二、评测标准解题思路一、赛题数据摘要：本章将会对新闻文本分类进行赛题讲解，对赛题数据进行说明，并给出解题思路。本文结构和框架大部分参考自：https://tianchi.aliyun.com/competition/entrance/531810/informationhttps://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12586969.1002.6.6
2020-07-21 22:06:41
108
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人