Methods for NER 利用规则（比如正则） 投票模型 （Majority Voting） baseline 利用分类模型非时序模型 逻辑回归 SVM时序模型 ：HM...
发简信
IP属地：北京
-
搭建NER（命名实体识别）分类器 -
SVM处理非线性可分 KKT 对偶问题 核函数上一篇文章讲到，如果数据是线性可分的，直接使用最大边距作为目标函数，但是如果数据是线性不可分的情况下，该目标函数是不可用的。那么如何处理线性不可分的情况呢？How to Cl...
-
线性分类器 SVM（支持向量机）回顾线性分类器 设D = {(x1,y1),(x2,y2),(x3,y3),......(xn,yn)},yi属于{-1,1},i = 1,2,3......m@ = {w,...
-
方向导数和梯度的关系
先来看看高中学的导数，就是一元函数的切线称为导数 偏导数是针对多元函数的，我们以两个自变量为例，z=f(x,y)，从导数到偏导数，也就是从曲线来到了曲面，曲线上的一点，其切线...
-
Set Cover Problem (集合覆盖问题)流网络—最大流问题（Maximum-flow problem）image.png希望从0-7找到最大值，管道可以承载的最大值。 那么目标函数是objective：maximi...
-
Optimization （模型优化）时间这东西真的是过的好快啊，不知不觉又过去了半个月了，现在已经是五月中旬了。坚持是最好的证明。 那么我们回归，如何优化目标函数？其实AI问题有个等式，AI问题 = 模型+优化...
-
Lasso回归模型-参数求解由之前的文章可知，目标函数为了防止过拟合或者限制参数，一般会加L1正则化和L2正则化，下面来介绍关于L1正则，Lasso正则，因为Lasso是可以进行特征选择降维的功能，L1...
-
-
机器学习中的MLE、MAP今天睡了一下懒觉，九点半才起床，昨天吃火锅热气，今天要吃清淡一点了。 使学过机器学习的人，对机器学习中的MLE(极大似然估计)、MAP(最大后验估计)以及贝叶斯估计(Baye...
-
参数搜索策略 Grid Search
在之前我们一直讨论的是一个超参数的情况，但是如果是有多个超参数如何计算是最优的超参数呢？ 比如逻辑回归加了两个正则（L1+L2正则项），那如何去计算这两个正则的超参数呢？如果...
-
交叉验证 Cross validation你闷声的日子，后面就是你爆发的日子。 前面讲过加入正则项的目标函数，那么如何求出超参数呢？如何选择合适的超参数呢？ 一般是通过交叉验证cross validation（CV）...
-
-
-
限制目标函数参数太大
根据上一篇文章可知，根据梯度下降法可以求出参数，但是求出的参数就是最好的模型呢？我也不知道，咱们下面看看一个问题 如果当给定的数据线性可分的时候，逻辑回归的参数会趋于无限大吗...
-
逻辑回归的梯度下降法坚持才是硬道理，剩下的交给时间 由上一篇文章得知，逻辑回归的目标函数已经确定，现在是如何求出W,B的参数值。就相当于构建了模型。回顾一下，逻辑函数的目标函数所以我们如果要求使...
-
逻辑回归的目标函数（Python）前面两篇文章求出了函数和逻辑回归是线性回归，那模型还需要求出目标函数的参数，才可以供以后使用。也就是说，我们如何求出W和b的值呢？ 求解W和b的过程其实也叫做《模型的实例化》...
-
逻辑回归是否是线性分类器？（Python）
后天就是五一了，时间过的真的好快啊。不知不觉一个月又过去，庆幸的是我今天我还在写着，记录着，重要的不是要多快，而是循序渐进的投入学习中。 根据上一篇讲关于逻辑回归，得知逻辑回...
-
初始逻辑回归（Python）在前面的垃圾邮件分类中，可知贝叶斯起到了很好的作用，但是其是离散型的，效果就很好，对于连续型的特征，贝叶斯可以用高斯贝叶斯去实现，就是数据特征服从正态分布。但是效果没有离散型...