机器学习
文章平均质量分 89
云日松
云日明松雪,溪山进晚风
展开
-
【机器学习】基于随机森林、线性分类支持向量机、多项式朴素贝叶斯、以及逻辑回归的中文文本的分类算法验证实现(附数据集及源代码仓库链接)
一、算法研究背景随着互联网的发展,越来越多的中文文本数据被创建和共享,例如社交媒体、电子邮件、新闻报道等。为了从这些数据中获取有用的信息,需要将它们进行分类和归纳。分类算法是机器学习领域中的一类算法,可以将数据自动分类为不同的类别。在中文文本分类任务中,这些类别可能是不同的主题、情感或语言风格等。中文文本分类可以应用于许多应用领域,如情感分析、垃圾邮件过滤、新闻推荐、搜索引擎优化等。因此,研究中文文本分类算法已成为机器学习和自然语言处理领域的热门研究方向之一。原创 2023-04-27 19:44:52 · 515 阅读 · 0 评论 -
【深度学习&NLP】深度学习及NLP模型实现要点(实现一个深度学习NLP模型需要考虑的步骤)
深度学习的出现是在机器学习、神经网络和人工智能等多个领域的积累和发展的基础之上。在机器学习领域,早期的机器学习算法主要是基于浅层的神经网络模型,例如感知机支持向量机等。这些算法能够在某些问题上取得不错的效果,但是对于复杂的任务,例如图像识别、自然语言处理等,效果有限。因此,需要更加复杂、更加灵活的算法来解决这些问题。在神经网络领域,早期的神经网络主要采用单层或浅层的结构,例如前馈神经网络自组织映射等。这些网络可以实现一些基本的功能,例如分类、聚类等,但是对于复杂的任务,效果也有限。原创 2023-04-13 17:21:47 · 1038 阅读 · 0 评论 -
【深度学习&NLP】基于卷积神经网络(CNN)实现中文文本情感分析(分类)附代码以及数据集链接
中文文本情感分析是一种研究人类情感表达的计算机技术,它可以自动地分析文本中的情感,并将其分类为积极、消极或中性。随着互联网的普及和社交媒体的兴起,人们在网上表达情感的方式变得越来越多样化和频繁化,这使得情感分析技术变得更加重要。中文文本情感分析的研究背景可以追溯到计算机语言学和自然语言处理领域的起源。近年来,随着深度学习技术的发展,基于深度学习的情感分析算法取得了显著的进展,成为了研究热点。原创 2023-04-08 15:53:19 · 12314 阅读 · 14 评论 -
【机器学习】K-近邻算法详解(含算法样例代码实现)
近邻算法就是,先给定一个训练数据集,这个数据集中可能是某类物品的特征及分类,然后给出某个物品的特征,根据训练数据集中的各个物品的特征与这个需要判别分类的物品的“距离”远近,找出距离最近的 个,然后这 个物品中最多物品所归属的那个分类就是这个需要判别的物品所归属分类判断的结果。原创 2023-02-23 22:34:45 · 1988 阅读 · 0 评论 -
机器学习概论
给算法一个数据集,其中每一条数据都包含正确答案,而算法的目的就是给出更多的正确答案;输入的数据无标记,也无确定的结果,类别也未知,无监督学习则是没有明确目的的训练方式,你无法提前知道结果是什么,根据样本间的相似性对样本集进行分类(聚类),尽量做到让类内的差距最小化,类间的差距最大化。原创 2022-09-18 22:40:23 · 185 阅读 · 0 评论