NLP学习
Coursera上的NLP课程笔记
豆沙粽子好吃嘛!
这个作者很懒,什么都没留下…
展开
-
Coursera课程自然语言处理(NLP)笔记整理(六) (第四周课程)
文章目录1. Machine Translation 机器翻译1.1. 学习目标1.2. 概览1.3. 向量变换1.3.1. F范数1.3.2. 梯度的计算2. 哈希表 Hash tables2.1. locality sensitive hashing2.1.1. 如何判断向量在平面某一侧2.2. Multiple Planes 多平面2.2.1. 多平面的哈希值2.2.2. 一些简单的python实现3. K近邻 K nearest neighbor4. Assignment4.1. 老规矩 引用4.2原创 2020-06-27 23:59:48 · 3201 阅读 · 3 评论 -
Coursera课程自然语言处理(NLP)笔记整理(五) (第三周课程Assignment)
文章目录Predict the Countries from Capitals 从首都猜测国家引入数据预测词语关系余弦相似性欧氏距离寻找首都对应的国家模型精度使用PCA绘制向量PCA测试Predict the Countries from Capitals 从首都猜测国家引入数据# Run this cell to import packages.import pickleimport numpy as npimport pandas as pdimport matplotlib.pyplot原创 2020-06-27 15:22:57 · 1803 阅读 · 0 评论 -
Coursera课程自然语言处理(NLP)笔记整理(四) (第三周课程内容)
文章目录1. word by word design1.1. co-occurrence matrix2. word by Documnet Design3. 欧氏距离(Euclidean Distance)4. 余弦相似性5. 向量空间与words6. 嵌入词的比对 Manipulating word embeddings6.1. 引入必要的库和词库6.2. 嵌入词的操作6.3. 单词距离6.3.1. 预测首都6.3.2. 将句子表达为向量7. PCA 主成分分析7.1. 特征值和特征向量7.2. 获得一原创 2020-06-27 14:10:48 · 1273 阅读 · 0 评论 -
Coursera课程自然语言处理(NLP)笔记整理(三)朴素贝叶斯分类器 (第二周课程内容)
文章目录1. 贝叶斯公式1.1. 条件概率1.2. 贝叶斯公式1.3. 朴素贝叶斯1.3.1. 二值分类的朴素贝叶斯推理条件规则2. 拉普拉斯算子平滑(Laplacian smoothing)3. 对数似然3.1. 似然3.2. 为什么取对数4. 训练朴素贝叶斯分类器4.1. 观测数据4.2. 使用朴素贝叶斯进行验证4.3. 朴素贝叶斯的前提假设4.4. 错误分析5. 代码实现5.1. 数据的处理5.2. 训练朴素贝叶斯模型5.3. 测试贝叶斯模型5.3.1. 进行预测5.3.2. 进行测试5.3.3. 用原创 2020-06-26 17:12:27 · 1245 阅读 · 0 评论 -
Coursera课程自然语言处理(NLP)笔记整理(二)(第一周课程内容完结)
1. 词频的提取和可视化1.1. 基本内容1.2. 代码实现2. 逻辑回归(Logistic regression)2.1. 基本概念2.2. 如何获得θ2.3. 代码实现2.3.1. 数据绘制3. 模型的验证与精确度4. 逻辑回归背后的intuition4.1. Cost Function5. 作业代码1. 词频的提取和可视化1.1. 基本内容I am Happy Because I am learning NLP @deeplearning..原创 2020-06-26 12:25:23 · 953 阅读 · 0 评论 -
Coursera课程自然语言处理(NLP)笔记整理(一)
文章目录1. 有监督学习(Supervised Machine Learning)1.1. 情感分析(Sentiment Analysis)1.2. 初步处理1.2.1. 建立Vocabulary1.2.2. 提取特征1.3. 分类与频率统计1.4. 频率特征1.5. 预处理2. 初步实验2.1. 导入工具包2.2. 关于数据集2.3. 数据处理2.3.1. 对原始文本进行预处理2.3.1.1. 删除超链接、Twitter标记和样式2.3.2. 标记字符串 Tokenize the string2.3.3.原创 2020-06-25 14:59:47 · 2115 阅读 · 7 评论