集成学习通过构建并结合多个学习器来提高泛化性能。思想就是三个臭皮匠，顶个诸葛亮。例如在分类中， 将多个弱分类器通过某种方式结合起来，得到比弱分类器的效果更好的效果。 bagg...
发简信
IP属地：北京
近期对BERT系列综述了一番，但记得以前刚接触BERT的时候有很多疑问，之后通过看博客、论文陆续弄明白了。这次就以QA的形式将关于BERT的疑问及其相应解答分享给大家，不足之...
在nlp的世界里，词向量占据了重要的位置，它分布式的表示了单词的语义信息，大幅度的提升了下游任务的效果。 Word2vec根据预测词的方式包括两种模型，skip gram是使...
Abstract（摘要） 在本文中，我们为序列标注任务提出了一系列基于长短时记忆网络 (LSTM)的模型。这些模型包括 LSTM 网络，BI-LSTM 网络，带有条件随机...
XGBOOST是GBDT模型的升级版，同样也用到了adboosting的思想 一 预备知识 XGBOOST是前向加法模型，那么有公式：设表示第n棵树的模型，那么就有所以第k次...
多分类问题下面，我们经常会遇到一些指标，比如正在进行的DF平台上的比赛，疫情期间网民情绪识别，用这个trick就能轻易地提分。i数据智能上面提到：如果多类别不均衡的话，这时候...
文本相似度是自然语言处理研究热点之一，论文提出了一种新的衡量文本相似度的方法，Word Mover’s Distance (WMD)。此方法利用两个文本的词向量的距离来作为相...
在之前的章节里，学习了集成学习的两个代表方式：bagging和boosting，现在来看如果将bagging和boosting运用在决策树中。 随机森林(random for...
