卯卯 | 炼就一手绝世刀法！
日出东海落西山，愁也一天，喜也一天。遇事不钻牛角尖，人也舒坦，心也舒坦！
2018-08-05 10:53:50
神经网络数学基础——最优化问题，损失函数要最小和梯度下降（导数小于0）关系——对于求最小值问题——求导，领导数为0，来求最小值
最优化问题，损失函数要最小——对于求最小值问题——求导，领导数为0，来求最小值。——这个过程是一个梯度（斜率）不但下降的一个过程，因为那个最小值一般是求不出来的，只能无限的趋近最小的那个值，也就是损失函数最小。
作者:yangli | 分类:算法 | 浏览:978 | 评论:0
2018-08-05 10:49:51
神经网络基础——SVM损失函数与softmax损失函数的区别（softmax分类器是一个不知道满足的分类器）
作者:yangli | 分类:算法 | 浏览:812 | 评论:0
2018-08-05 10:15:39
分类表示——将神经网络通过wx+b得到的得分值通过sigmoid函数映射成一个概率值（注：此时的的损失函数已经不再是SVM损失函数了，而是-log（为正确类别的那个概率值）外加正则化惩罚项）
WX+B的得分值——映射成概率值
作者:yangli | 分类:算法 | 浏览:904 | 评论:0
2018-08-04 21:22:21
深度学习的数学基础——解决的几个问题：1，深度学习要干什么，训练权重参数（W）。2，损失函数（修正W），3，正则化惩罚项，使W更均匀，不偏颇
损失函数：上述的结果易产生过拟合——什么是过拟合，就在训练数据集上表现很好，但是在测试数据集上表现很差。那我们怎么避免A模型W的出现呢？——加入正则化惩罚项。正则化惩罚项是专门来惩罚W权重矩阵的。
作者:yangli | 分类:算法 | 浏览:729 | 评论:0
2018-08-03 16:11:49
机器标注—训练数据集、测试数据集、验证数据集生成——通过结巴加载字典（词和类别）将标注问题转化为词性识别问题。
将原始的样本——标注，分割成可训练的数据集。最后生成的文档样式如下：并进行数据分配：dev:test:train=12:2:1来生成序列化的数据集。程序设计的思想：前期准备：一、对于一个崭新的领域我们需要一个标注的标准文档——这个一般需要领域里的专业人员来完成。例如医学领域：二、有了这个标准的标注细节文档，还要有对应的词典——一般通过网络上的爬取，自己来准备。样式如下：有了以上两个条件针对我们的领域数据我们就可以处理了。思路——这里利用词典进行命名实体的标注为后期的模型训练准备数据集：第一步：加
作者:yangli | 分类:自然语言处理 | 浏览:934 | 评论:0
2018-08-02 10:27:12
CRF模型评估和模型确定后的批处理
接着上一篇的CRF使用。在我们运用测试集的获得如下样式之后，就可以对我们的模型进行效果评估的了，评估以三个准确率、召回率、F值字母B的准确率，就是B字母在最右边那列和中间那列一起出现的次数（也就是标正确的B出现的次数）除以 B字母在最右边那列出现的次数（即机器标出B的次数）。计算字母B的召回率，就是B字母在最右边那列和中间那列一起出现的次数（也就是标正确的B出现的次数）除以 B字母在中间那列出现的次数。计算字母B的F值，这个就直接套公式了，把你上面刚刚算出的准确率*召回率*2
作者:yangli | 分类:自然语言处理 | 浏览:778 | 评论:0
- 控制面板
- 网站分类
- 搜索
- 文章归档
-
- 2023年4月 (1)
- 2022年12月 (6)
- 2022年11月 (2)
- 2022年10月 (4)
- 2022年9月 (1)
- 2022年8月 (1)
- 2022年7月 (2)
- 2022年4月 (1)
- 2022年3月 (4)
- 2021年5月 (1)
- 2021年3月 (1)
- 2020年10月 (1)
- 2020年9月 (11)
- 2020年8月 (1)
- 2020年7月 (2)
- 2020年5月 (4)
- 2020年4月 (1)
- 2020年2月 (1)
- 2020年1月 (1)
- 2019年11月 (2)
- 2019年10月 (3)
- 2019年9月 (5)
- 2019年8月 (19)
- 2019年7月 (6)
- 2019年6月 (8)
- 2019年5月 (10)
- 2019年4月 (16)
- 2019年3月 (37)
- 2019年2月 (24)
- 2019年1月 (11)
- 2018年12月 (3)
- 2018年11月 (3)
- 2018年10月 (7)
- 2018年9月 (8)
- 2018年8月 (41)
- 2018年7月 (29)
- 2018年6月 (14)
- 2018年5月 (16)
