- 博客(3)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 [TensorFlow] 交叉熵损失函数，加权交叉熵损失函数
写在前面在文章[TensorFlow] argmax, softmax_cross_entropy_with_logits, sparse_softmax_cross_entropy_with_logits函数详解中，提到了交叉熵损失函数的计算方式以及tensorflow中的输入和输出等。本篇文章会更细地讲一下tensorflow中交叉熵损失函数的应用，以及在优化过程中可能用到加权交叉熵损失函数的使用方式。一、基础计算当存在多个类别时，通常使用交叉熵损失函数来衡量模型的效果，也是对模型调参的重要依据，
2021-08-22 18:51:17
11122
1
原创 【论文阅读】Learning to Extract Attribute Value from Product via Question Answering: A Multi-task Approach
写在前面本文是Google Research发表在kdd2020上的一篇文章，主要是利用问答系统的算法来解决属性值提取的问题。论文地址本文主要从背景、算法、实验和总结几部分来讲解。一、背景1、任务和示例Attribute value extraction: The task of identifying values of an attribute of interest from product information.属性值提取，即识别为商品中的属性信息如上示例，文本是商品信息，A
2021-08-08 19:02:43
1930
3
原创 异常检测模型整理
写在前面文中使用了其他博主的图，具体链接已不好追踪，如果不妥，还请谅解（私信我加备注哦）~异常检测主要检测数据中的离群点，异常数据的特征值与正常数据的特征值距离较远。异常检测具有以下难点：标签数据较少，从较少的标签数据中很难学习到哪些是正常数据，哪些是异常数据。难以划分异常和正常的边界。数据本身存在噪声，导致噪声和异常难以区分。处理异常检测的模型包括监督模型、半监督学习和无监督学习模型，具体如下：一、监督模型常见分类模型都可使用。若有标签数据，则优先使用有监督学习方法解决问题。在基于监
2021-08-01 20:09:55
10238
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人