记录一下备用：使用https://github.com/hellohaptik/multi-task-NLP/[https://github.com/hellohaptik/...
IP属地：北京
-
torch DataLoader出core
-
-
-
从机器学习到深度学习（七）隐马尔可夫模型背景 相关前置背景知识见博客：https://www.jianshu.com/p/d11cb1fe1201 HMM三个问题回顾 1.状态问题：已知状态转移概率矩阵、输出概率矩...
-
从机器学习到深度学习（六）集成学习集成学习 着重于在训练集上做文章：将训练集划分为各种子集或权重变换后用较弱的基模型拟合，然后综合若干个基模型的预测作为最终整体结果。 两种算法：Bagging method、...
-
从机器学习到深度学习（三）支持向量机支持向量机 最初用于解决线性问题，加入核方法后可以用于解决非线性问题。能适应“小样本数量、高特征维度”问题，甚至是特征维度大于样本数量的情况。目标：使得与超平面最近的样本点（...
-
从机器学习到深度学习（二）梯度下降
梯度下降 用于迭代求解函数最优解，是大数据领域用于求解问题的常用思想。步长：每一步梯度下降时向目标方向前进的长度。前期可以使用较大步长，加快训练速度，后期可以使用较短步长，保...
-
从机器学习到深度学习（一）线性回归
线性回归 OLS、Ridge、Lasso的优缺点对比：OLS 最小二乘法：优点：计算方便（套入公式即可） 缺点：数据维度越高，参数值越大、更容易过拟合，且计算过程涉及矩阵求逆...
-
基于bert进行命名实体识别
背景 参照博客：https://blog.csdn.net/macanv/article/details/85684284参照代码：https://github.com/ma...
-
机器学习花书--图模型之HMM、MRF、CRF学习背景 0.概率图：用图来表达变量之前相关关系的概率模型。其中图中的点表示一组随机变量，边表示随机变量之间的概率相关关系1.有向图模型/贝叶斯网：有向无环图。当变量之间有明确的...
