1.這里是新手經(jīng)常出現(xiàn)的問題哈，我們一般做實(shí)驗(yàn)，都是有原假設(shè)H0和備擇假設(shè)H1，一般都是H0是組間差異=0，H1是不等于0，所以在不等于0的時(shí)候會(huì)有差異為正和差異為負(fù)兩種情況...
IP屬地：廣東
-
2022-02-10 簡(jiǎn)單的實(shí)驗(yàn) -
BERT復(fù)習(xí)1.BERT整體模型架構(gòu) 基礎(chǔ)架構(gòu) - TRM的Encoder部分image.pngBERT的基礎(chǔ)架構(gòu)是transformer的encoder部分。為什么說(shuō)是基礎(chǔ)架構(gòu)，因?yàn)閎...
-
transfomer復(fù)習(xí)transformer 視頻原作者：https://www.bilibili.com/video/BV1Di4y1c7Zm?p=4&spm_id_from=pageDrive...
-
文本分類總結(jié)
一、TextCNN→TextRNN→TextBiRNN→TextRCNN→Text-ATT-BI-RNN→HAN 1.TextCNN特點(diǎn)：CNN的kernel_size類似N...
-
七、深度學(xué)習(xí)文本分類textRCNN原文講解 RCNN出處：論文Recurrent Convolutional Neural Networks for Text Classification[https://w...
-
六、TextBiRNN原理講解 TextBiRNN是基于TextRNN的改進(jìn)版本，將網(wǎng)絡(luò)結(jié)構(gòu)中的RNN層改成雙向（Biderectional）的RNN層，希望不僅能考慮正向編碼信息，也能考慮反向編...
-
五、深度學(xué)習(xí)文本分類textRNN原理講解 TextRNN相關(guān)論文：Recurrent Neural Network for Text Classification with Multi-Task Learn...
-
四、深度學(xué)習(xí)文本分類TextCNN原理： TextCNN出處：論文https://aclanthology.org/D14-1181/[https://aclanthology.org/D14-1181/] ...
-
三、中文分類機(jī)器學(xué)習(xí)解決方案
前言：計(jì)算機(jī)讀不懂文本表述，該怎么辦？ 回想一下我們是如何進(jìn)行閱讀的？ 1.1 文本分類 = 文本表示 + 分類模型 1.1.1 文本表示： BOW 、N-Gram 、TF-...
-
二、基于中文的主題分析
和拉丁語(yǔ)系不同，亞洲語(yǔ)言是不用空格分開每個(gè)有意義的詞，而當(dāng)我們進(jìn)行自然語(yǔ)言處理的時(shí)候，大部分的情況下，詞匯是我們對(duì)句子和文章理解的基礎(chǔ)，因此需要一個(gè)額外的分詞工具把完整的文本...
-
一、文本分析與可視化
1.1 文本的分析與展示 在任何建模之前，一般我們會(huì)對(duì)數(shù)據(jù)進(jìn)行一定的分析，文本也不例外，不過文本不像其他業(yè)務(wù)的數(shù)據(jù)，是數(shù)值型，這時(shí)候很多統(tǒng)計(jì)的方式，是大家理解數(shù)據(jù)的初步，而文...
-
-
-
DeepCrossing一、動(dòng)機(jī)通過在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上加入embedding 殘差連接等思想，完整的解決了特征工程，稀疏向量稠密化，多層神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化目標(biāo)擬合等一系列深度學(xué)習(xí)在推薦系統(tǒng)的應(yīng)用問...
-
“AI Earth”人工智能創(chuàng)新挑戰(zhàn)賽——AI助力精準(zhǔn)氣象和海洋預(yù)測(cè)（2）——baseline
后續(xù)會(huì)有一個(gè)keras的API說(shuō)明；總結(jié)完鏈接加后面
-
“AI Earth”人工智能創(chuàng)新挑戰(zhàn)賽——AI助力精準(zhǔn)氣象和海洋預(yù)測(cè)（1）——docker及提交競(jìng)賽地址：https://tianchi.aliyun.com/competition/entrance/531871/introduction?spm=5176.12281...
個(gè)人介紹