摘要： ？ 阅读全文

摘要： l 阅读全文

摘要： echo 'export PATH="~/miniconda3/bin:$PATH"' >> ~/.bashrcsource ~/.bashrc 阅读全文

摘要： 不好用，以后也不会用 很难用，非常不建议，训练模型和预测时候，词嵌入维度都不一致 参考文档：https://blog.csdn.net/ProgramNovice/article/details/128159731 阅读全文

摘要： 文本张量（Text Tensor） 是一种将文本数据表示为多维数组（张量）的数据结构。文本张量通常用于深度学习和神经网络模型中，以便将文本数据传递给这些模型进行训练或推断。文本数据的维度通常包括以下方面： 词汇表：文本张量的一个重要维度是词汇表大小，即语料库中唯一单词的数量。这通常是一个整数值，表示 阅读全文

摘要： 加法 矩阵的维度必须相同，即它们具有相同的行数和列数 乘法 两个矩阵的维度必须满足乘法条件。具体来说，第一个矩阵的列数必须等于第二个矩阵的行数。如果第一个矩阵是 m × n（m行n列），第二个矩阵是 n × p（n行p列），那么它们可以相乘，结果将是一个 m × p 的矩阵。 矩阵合并 纵向合并vs 阅读全文

摘要： 什么是维度 计算机科学的观点是向量是数字的有序列表 从三维空间的角度说明向量维度： 一维向量：一维向量包含一个单一的坐标，通常表示为 (x)。这个向量位于一维空间中。 二维向量：二维向量包含两个坐标，通常表示为 (x, y)。这些向量位于二维平面空间中。 三维向量：三维向量包含三个坐标，通常表示为 阅读全文

摘要： 词向量（Word Vectors），也被称为词嵌入（Word Embeddings） 是自然语言处理（NLP）领域的重要概念之一。它们是一种将单词映射到连续向量空间的技术，使计算机能够更好地理解和处理文本数据。词向量的主要思想是 将单词的语义信息编码成连续的实数向量，使相似的词在向量空间中距离较近， 阅读全文

摘要： 参考文档：https://pythonjishu.com/sklearn-preprocessing-labelencoder/ 最开始写NLP，其实是想把句子变成词向量。用了词袋模型，用了word2vec，都也没用明白。糊里糊涂的用到了这个 哈哈哈 转换类别数据为整数：LabelEncoder 可 阅读全文

摘要： 参考文献：https://blog.csdn.net/zhibing_ding/article/details/125254670 下采样： 上采样是指减少某类别的样本数量多的数据，使其与多数类别的样本数量相近。 对图像而言，下采样就是特征提取，减少数据量 上采样： 上采样是指增加某类别的样本数量少 阅读全文