- 博客(2)
- 收藏
- 关注
RSS订阅转载 Datawhale AI 夏令营——机器学习入门学习笔记
适用性：传统模型适合数据量较小、模式简单的问题；机器学习模型适合中等复杂度的问题，可以引入额外变量；深度学习模型适合数据量大、模式复杂的任务。解释性：传统时间序列模型通常具有较好的解释性；机器学习模型的解释性取决于特征工程；深度学习模型的解释性通常较差。计算资源：传统模型计算效率最高；机器学习模型次之；深度学习模型通常需要最多的计算资源。预测能力：深度学习模型在捕捉复杂模式方面具有优势，但需要大量数据支持；传统和机器学习模型在数据量较小或模式较简单时可能更有效。
2024-07-20 12:41:16
11
转载 Datawhale AI 夏令营——自然语言处理（Natural Language Processing，NLP）入门学习笔记
一、Task1： 前情提要（这一部分很好理解，将教程简要摘录如下）自然语言处理主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别、中文OCR等，本期夏令营中搭配的赛题实践是针对机器翻译（Machine Translation，MT）的。（1）机器翻译的发展历程① 基于规则的机器翻译（1950s-1980s）利用语言学家编写的语法规则和词典进行翻译。
2024-07-20 09:44:27
15
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