- 博客(5)
- 收藏
- 关注
原创 Word2vec用CBOW模型的keras代码详解
详解 #https://mp.weixin.qq.com/s?__biz=MzU0NDU5OTY2Ng==&mid=2247483815&idx=1&sn=7ee265638711d69845a28f2e8ed2b346&chksm=fb78fabacc0f73ac105f9e64004ea1e92032b650bb021db2eedf1658d67a2855838a5526c574&scene=21#wechat_redirect import os import
2020-10-26 21:06:52 940
原创 TF-IDF原理及word2vec详解Keras实现CBOW和Skip-Gram
图1 TF-IDF原理概述 在一份给定的文件里,词频(term frequency, TF)指的是某一个给定的词语在该文件中出现的次数。这个数字通常会被归一化(分子一般小于分母区别于IDF),以防止它偏向长的文件。(同一个词语在长文件里可能会比短文件有更高的词频,而不管该词语重要与否) 逆向文件频率 (inverse document frequency, IDF) 是一个词语普遍重要性的度量。某一特定词语的IDF,可以由总文件数目除以包含该词语之文件的数目,再将得到的商取对数得到。 某一特定文件内的高词语
2020-10-23 16:32:00 1112
原创 CNN原理及模型参数
CNN原理及参数CNN原理卷积Padding单层卷积池化 CNN原理 卷积 积过滤器 这个6×6的图片,将其与这个3×3的过滤器进行卷积,能够过滤出图片的某一种特征。 参数:过滤器大小 f*f 卷积步长(Strided convolutions) s Padding p是填充的数量,在这个案例中,p=1,我们在周围都填充了一个像素点,输出也就变成了 (n+2p-f+1)×(n+2p-f+1), 和输入的图像一样大。 单层卷积 如果对于RGB图像,输入矩阵是三维矩阵,滤波器也是三维矩阵,输出是二维矩阵。
2020-09-13 15:30:36 3714
原创 xgboost for binary and multi classifier summary
Read the xgboost principle paper https://arxiv.org/pdf/1603.02754.pdf and make summary by own understanding, with some anlysis forSelection of loss function part. 1.What xgboost can solve: Xgboost can solve the problems of binary classification, mu...
2020-07-01 12:00:15 341
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