本文主要用于记录谷歌发表于2019年的一篇论文。该论文提出的XLNet模型在19年再一次屠榜了之前由Bert模型刷爆的多项NLP基础任务，号称新一代NLP领域的基准预训练模型...
发简信
IP属地：山东
-
【NLP论文笔记】XLNet: Generalized Autoregressive Pretraining for Language Understanding（XLNet模型理解） -
极简佛系算卦工程师～
-
弹性网络的效果是不是要比L1和L2好
（八）弹性网络---ElasticNet
一、原理及简介 二、什么是L2正则化和L1正则化 原理及作用：https://blog.csdn.net/liuweiyuxiang/article/details/9998...
-
《三体》简记今天又翻了翻《三体II》。 到目前为止，《三体》三部曲加起来一共看过15遍了，第一部5遍，第二部6遍，第三部4遍。《三体》三部曲每本都有其精彩之处：三体1是“三体”游戏和地球...
-
tf2 HuggingFace Transformer2.0 bert情感分析之前在网络上搜索基于tf2 的 HuggingFace Transformer2.0 资料比较少，就给自己做个笔记 词向量原理在此不介绍 bert原理在此不介绍 bert的...
-
-
tf2 HuggingFace Transformer2.0 bert ner命名实体
之前在网络上搜索基于tf2 的 HuggingFace Transformer2.0 资料比较少，就给自己做个笔记 词向量原理在此不介绍 bert原理在此不介绍 bert的...
-
Learning Classifiers from Only Positive and Unlabeled Data
PU learning 经典论文。 本文主要考虑在SCAR假设下，证明了普通的分类器和PU分类器只相差一个常数，因此可以使用普通分类器的方法来估计，进而得到。同时提供了三种方...
-
Analysis of Learning from Positive and Unlabeled Data
PU learning论文阅读。 本文从基本的分类损失出发，推导了PU的分类问题其实就是Cost-sensitive classification的形式，同时，通过实验证明了如...
-
我很好奇他实验的分类器选择的是什么
Convex Formulation for Learning from Positive and Unlabeled Data
Unbiased PU learning. 该论文在之前PU learning中使用非凸函数作为loss的基础上，对正类样本和未标记样本使用不同的凸函数loss，从而将其转为...
-
zealscott.com
-
Convex Formulation for Learning from Positive and Unlabeled Data
Unbiased PU learning. 该论文在之前PU learning中使用非凸函数作为loss的基础上，对正类样本和未标记样本使用不同的凸函数loss，从而将其转为...
-
-
机器学习术语表机器学习术语表 本术语表中列出了一般的机器学习术语和 TensorFlow 专用术语的定义。 A A/B 测试 (A/B testing) 一种统计方法，用于将两种或多种技术...
-
机器学习面试之偏差方差
在机器学习的面试中，能不能讲清楚偏差方差，经常被用来考察面试者的理论基础。偏差方差看似很简单，但真要彻底地说明白，却有一定难度。比如，为什么KNN算法在增大k时，偏差会变大，...
-
pandas统计列里某值出现的次数
x=[{"id": "z", 'name':"q"},{"id": "v", 'name':"q"},{"id": "a", 'name':"q"},{"id": "z", ...
-
特征选择之信息增益
在文本分类中利用信息增益进行特征提取 信息增益体现了特征的重要性，信息增益越大说明特征越重要 假设数据中有k类： 每类出现的概率是： 各类的信息熵计算公式： 对某个词汇wor...
