为了账号安全,请及时绑定邮箱和手机立即绑定

自然语言处理(NLP)文本分类实战

难度中级
时长 4小时 5分
学习人数
综合评分10.00
0人评价 查看评价
10.0 内容实用
10.0 简洁易懂
10.0 逻辑清晰
  • 特别好

    查看全部
    0 采集 收起 来源:课程总览

    2021-08-13

  • 夸克星8805

    在自然语言处理中,若有个字典或字库里有N个单字,则每个单字可以被一个N维的one-hot向量代表。譬如若字库里仅有apple(苹果),banana(香蕉),以及pineapple(凤梨)这三个单字,则他们各自的one-hot向量可以为:
    由于电脑无法理解非数字类的数据,One-hot编码可以将类别性数据转换成统一的数字格式,方便机器学习的算法进行处理及计算。而转换成固定维度的向量则方便机器学习算法进行线性代数上的计算。另外由于一个one-hot向量中,绝大部分的数字都是0,所以若使用稀疏矩阵的数据结构,则可以节省电脑内存的使用量

     0

    查看全部
    0 采集 收起 来源:One Hot

    2021-07-24

  • keras中交叉熵使用

    查看全部
    0 采集 收起 来源:分类任务

    2021-07-23

举报

0/150
提交
取消
课程须知
建议大家对 python、pytorch、numpy、基本的深度学习概念有了解再来进修,学习效果更佳
老师告诉你能学到什么?
1、文本表征的基础知识 2、词向量训练和实用方法 3、中英文文本分类的区别 4、二分类、多分类和多标签分类的区别 5、不平衡样本的评估方法 6、前沿知识点的扩展

微信扫码,参与3人拼团

意见反馈 帮助中心 APP下载
官方微信
友情提示:

您好,此课程属于迁移课程,您已购买该课程,无需重复购买,感谢您对慕课网的支持!