05 2020 档案

ccks-利用sklern计算混淆矩阵及分类报告
摘要：def f1Score(correct_label, predict_label): """ 计算混淆矩阵及f1得分 :param correct_label: 正确的分类标签 ['0','1','2','3'] :param predict_label: 预测的分类标签 :return: """ 阅读全文
posted @ 2020-05-22 09:41 致林 阅读(218) 评论(0) 推荐(0) 编辑
train loss和test loss分析
摘要：train loss 不断下降，test loss不断下降，说明网络仍在学习; train loss 不断下降，test loss趋于不变，说明网络过拟合; train loss 趋于不变，test loss不断下降，说明数据集100%有问题; train loss 趋于不变，test loss趋于 阅读全文
posted @ 2020-05-12 09:10 致林 阅读(903) 评论(0) 推荐(0) 编辑
NER（命名实体识别）方法汇总
摘要：近几年来，基于神经网络的深度学习方法在计算机视觉、语音识别等领域取得了巨大成功，另外在自然语言处理领域也取得了不少进展。在NLP的关键性基础任务—命名实体识别（Named Entity Recognition，NER）的研究中，深度学习也获得了不错的效果。最近，笔者阅读了一系列基于深度学习的NER研 阅读全文
posted @ 2020-05-11 14:00 致林 阅读(10402) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示