![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
NLP
文章平均质量分 93
wendyponcho
这个作者很懒,什么都没留下…
展开
-
DS Wannabe之5-AM Project: Measuring accuracy of classification model DS 30day int prep day24 (第一季完结)
想象一下,如果我们的祖母给我们发了一封非常友善的电子邮件告诉我们她烤了饼干,而我们的过滤器将其删除,那么我们会感到多么的悲伤!因此,在垃圾邮件模型中,假阳性远比假阴性更糟糕。换句话说,哪个更糟糕:将一个健康的患者错误地诊断为患病,还是将一个患病的患者错误地诊断为健康?假设当我们将一个患者诊断为健康时,我们会让他们回家休息而不给予治疗,当我们将一个患者诊断为患病时,我们会让他们接受更多的检测。然而,错误地诊断一个患病的人意味着一个患病的人将得不到治疗,他们的病情可能会恶化,并且可能会传染给其他许多人。原创 2024-02-25 13:35:25 · 950 阅读 · 0 评论 -
DS Wannabe之5-AM Project: DS 30day int prep day21
今天没怎么好好看,感觉内容不是很有用原创 2024-02-19 08:04:32 · 737 阅读 · 0 评论 -
DS Wannabe之5-AM Project: DS 30day int prep day20
Pix2Pix的核心是一个条件对抗网络,其中生成器尝试创建真实的图像,而判别器尝试区分真实的图像和生成器创建的图像。每个问题都涉及一个给定的情境,并提供了四个可能的后续情况,其中只有一个是合理的。与word2vec类似,它将单词对表示为向量,但不同之处在于pair2vec专注于学习词对之间的语义和语法关系的嵌入,例如("Paris", "France")和("Berlin", "Germany")之间的关系。生成器的任务是生成尽可能接近真实数据的新数据,而判别器的任务是区分生成的数据和真实数据。原创 2024-02-18 07:57:06 · 1059 阅读 · 0 评论 -
DS Wannabe之5-AM Project: DS 30day int prep day19
Example:潜在语义索引(Latent Semantic Indexing,简称LSI)是一种自然语言处理和信息检索技术,用于发现文本数据集中的潜在语义结构。LSI通过奇异值分解(Singular Value Decomposition,SVD)这种数学方法,将高维的词-文档矩阵降维到较低维的语义空间中,以揭示词语和文档之间的隐含关系。原创 2024-02-17 08:08:52 · 702 阅读 · 0 评论 -
DS Wannabe之5-AM Project: DS 30day int prep day18
NLP系统不仅能够处理文本中的基本语言学问题,如拼写和同音异字,还能深入挖掘文本的句法结构和丰富的语义信息,包括理解句子的组成、识别文本的主题和潜在语义关系,以及准确地处理词汇的多义性。这种综合性的系统在机器翻译、自动摘要、问答系统、情感分析等多个NLP应用领域都有着广泛的应用前景原创 2024-02-16 06:25:29 · 606 阅读 · 0 评论 -
DS Wannabe之5-AM Project: DS 30day int prep day17
ULMFit(Universal Language Model Fine-tuning for Text Classification,通用语言模型微调用于文本分类)是一种转移学习方法,专门应用于自然语言处理(NLP)领域。在2018年5月,Jeremy Howard和Sebastian Ruder发布了一篇论文,介绍了ULMFit,并探讨了在文本分类任务中使用预训练模型的好处。原创 2024-02-15 07:06:53 · 753 阅读 · 0 评论 -
DS Wannabe之5-AM Project: DS 30day int prep day6
今天的学习主题主要集中在深度学习和自然语言处理(NLP)的高级概念上。原创 2024-02-03 07:09:27 · 699 阅读 · 0 评论