在基于Hierarchical Softmax的Skip-gram模型和CBOW模型中，负采样是一个很重要的环节，对于一个给定的词w，我们如何生成NEG(w)呢？词典D中的词...
发简信
IP属地：北京
-
探秘Word2Vec(六)-负采样方法 -
python之gevent(2)
在之前，我已经在两篇文章中分别介绍了gevent的使用以及gevent的底层greenlet的使用，可以阅读文章回顾一下：python之gevent（1），python之gr...
-
python之gevent（1）因为python线程的性能问题，在python中使用多线程运行代码经常不能达到预期的效果。而有些时候我们的逻辑中又需要开更高的并发，或者简单的说，就是让我们的代码跑的更快，在...
-
审视SVM1. 回顾拉格朗日乘数法 为了找到曲线上的最低点，就从最低的等高线（0那条）开始网上数。数到第三条，等高线终于和曲线有交点了（如上图所示）。因为比这条等高线低的地方都不在约束...
-
Word2Vec ——gensim实战教程最近斯坦福的CS224N开课了，看了下课程介绍,去年google发表的Transformer以及最近特别火的Contextual Word Embeddings都会在今年的课...
-
增强机器学习模型性能——深入理解随机森林（RandomForest）和 Dropout的原理要想了解如何增强机器学习模型性能，我们需要知道如何降低模型的误差。所以首先我们必须明白模型误差是由偏差（Bias）和方差（Variance）组成的。偏差是指样本预测值的平均值...
