摘要：
一.提出背景 Transformer最早是Google在2017年的Attention Is All You Need论文中提出，用于解决解决传统的序列到序列（Seq2Seq）模型在处理可变长序列时遇到的问题。（序列到序列：指的是模型的输入是一段序列，模型输出也是序列；比如语音识别中给模型一段中文语 阅读全文
摘要：
一．原理 （为什么使用one-hot编码来处理离散型特征? 在回归，分类，聚类等机器学习算法中，特征之间距离的计算或相似度的计算是非常重要的，而我们常用的距离或相似度的计算都是在欧式空间的相似度计算，计算余弦相似性，基于的就是欧式空间。而我们使用one-hot编码，将离散特征的取值扩展到了欧式空间， 阅读全文
摘要：
一.维度情感模型 人类的情感是复杂繁琐的认知过程，很难对人类情感进行简单的概括，现阶段的情感模型大多分为两种，分别是离散情感模型和维度情感模型。 传统上，情感被看作是离散的类别，例如快乐、悲伤、愤怒等。离散情感模型将情感分为独立的类别，著名的心理学家Ekman等人总结了六种基本情绪：快乐、悲伤、愤怒 阅读全文
摘要：
1.定义： 泛化能力是指模型在新数据（即测试集或真实世界数据）上预测准确性的能力，这些数据与模型在训练过程中使用的数据不同。 过拟合（Overfitting）是指模型在训练数据上表现得很好，但在新数据上表现差，这表明模型缺乏泛化能力。 一个具有良好泛化能力的模型能够很好地适应新情况，而不仅仅是记住训 阅读全文
摘要：
在机器学习和深度学习中，将数据分为训练集（Training Set）、验证集（Validation Set）和测试集（Test Set）是常见的做法，每部分数据承担不同的任务： 一.基本概念 1.训练集（Training Set）： 训练集用于训练模型，即通过算法调整模型的参数以最小化损失函数（Lo 阅读全文
