最全NLP中文文本分类实践(下)——Voting和Stacking的模型融合实现
前面的两篇文章中,我们完成了文件内容提取、中文分词、机器学习模型构建等任务。现在,我们希望对得到的模型效果做出优化。当然,有很多方法可以提升模型的表现,包括特征工程、调参、模型融合等。在这篇文章中,主要介绍针对模型融合的实践内容,即对多个baseline按一定的方法进行“融合”以期达到指标的提升。以下是前面两篇文章的链接。最全NLP中文文本分类实践(上)——中文分词获取和Word2Vec模型构建最全NLP中文文本分类实践(中)——SVM和基于keras的TextCNN实现1 概念简介所谓模型融合,其
原创
2020-09-02 15:34:42 ·
2287 阅读 ·
0 评论