发简信
IP属地：海南
-
-
机器学习（7）——聚类算法聚类算法 前面介绍的集中算法都是属于有监督机器学习方法，这章和前面不同，介绍无监督学习算法，也就是聚类算法。在无监督学习中，目标属性是不存在的，也就是所说的不存在“y”值，我...
-
GBDT（MART） 迭代决策树简介
GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一种迭代的...
-
GBDT：梯度提升决策树综述 GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一种...
-
端到端的OCR：LSTM＋CTC的实现
前面提到了用CNN来做OCR。这篇文章介绍另一种做OCR的方法，就是通过LSTM＋CTC。这种方法的好处是他可以事先不用知道一共有几个字符需要识别。之前我试过不用CTC，只用...
-
Tensorflow 的NCE-Loss的实现和word2vec
这两天因为实现mxnet的nce-loss，因此研究了一下tensorflow的nce-loss的实现。所以总结一下。 先看看tensorflow的nce-loss的API：...
-
Word Embedding&word2vec最近新接触文本分类问题，对于我来数第一个问题就是Word Embedding这个词到底是什么意思，因此也就开始学习了相关知识http://licstar.net/archiv...
-
Attention
优秀的博客：【图解什么是 Transformer（很全）】https://www.jianshu.com/p/e7d8caa13b21【自注意力机制Self-attentio...
-
机器学习必须熟悉的算法之word2vector（一）word2vector已经成为NLP领域的基石算法。作为一名AI 从业者，如果不能主动去熟悉该算法，应该感到脸红。本文是一篇翻译的文章，原文链接是：http://mccorm...
-
TF使用例子-LSTM实现序列标注本文主要改写了一下"Sequence Tagging with Tensorflow"程序。原文是基于英文的命名实体识别(named entity recognition)问...
-
Word2vec词嵌入Word2vec word2vector，顾名思义，就是将语料库中的词转化成向量，以便后续在词向量的基础上进行各种计算。 我们以词为单位扫描这句话，每扫描到一个词，都把该词左...
-
概率，随机变量，随机过程概率 概率通常理解为衡量事件发生的可能性大小，但是不严谨。拿投骰子举例，投一次骰子，称作一次试验，所有可能的试验结果就称为样本空间，事件就是样本空间的子集。 概率是赋予...
-
从马尔可夫模型到隐马尔可夫模型
马尔可夫模型简介： 马尔可夫模型个人认为这个概念应该是从 随机过程 里面提出来的，由马尔可夫过程过来的概念。实际上掌握了随机过程里面对马尔可夫过程的特殊情况：离散参数离散状态...
-
命名实体识别【NeuroNER】命名实体识别（Named Entity Recognition， NER）是NLP领域一个非常非常重要的方向，比如人名、地名通用性的实体识别，还有像车型名、车款名这些垂直领域...
-
pySpark工具学习2-弹性分布式数据集(RDD Resilient Distributed Dataset)
弹性分布式数据集（RDD Resilient Distributed Dataset）是不可变JVM对象的分布式集合，允许您非常快速地执行计算，并且它们是Apache Spa...
-
Pyspark Word2Vec + jieba 训练词向量流程
摘要:用商品描述为语料库训练商品词向量为例,分享一下用pyspark自带word2vec+jieba分词训练词向量的流程. 工具:python,pyspark,jieba,p...
