摘要: 作者|ARAVIND PAI 编译|VK 来源|Analytics Vidhya 概述 理解预训练词嵌入的重要性 了解两种流行的预训练词嵌入类型:Word2Vec和GloVe 预训练词嵌入与从头学习嵌入的性能比较 介绍 我们如何让机器理解文本数据?我们知道机器非常擅长处理和处理数字数据,但如果我们向 阅读全文
posted @ 2020-09-16 23:24 人工智能遇见磐创 阅读(823) 评论(0) 推荐(0) 编辑
摘要: 作者|Quentin Bacuet 编译|VK 来源|Medium 随着信息过载的增加,我们不可能通过观看海量的内容来获取我们想要的项目。推荐系统可以来拯救我们。推荐系统是一种模型,通过向用户展示他们可能感兴趣的内容,帮助他们探索音乐和新闻等新内容。 在Snipfeed,我们每天处理成千上万的内容, 阅读全文
posted @ 2020-09-16 23:19 人工智能遇见磐创 阅读(403) 评论(0) 推荐(1) 编辑
摘要: 作者|Alvira Swalin 编译|VK 来源|Medium 本系列的第二部分主要讨论分类度量 在第一篇中,我们讨论了回归中使用的一些重要指标、它们的优缺点以及用例。这一部分将集中讨论分类中常用的度量,以及在具体的背景中应该选择哪种。 定义 在讨论每种方法的优缺点之前,我们先了解一下分类问题中使 阅读全文
posted @ 2020-09-16 23:05 人工智能遇见磐创 阅读(293) 评论(0) 推荐(0) 编辑
摘要: 作者|Dimas Adnan 编译|VK 来源|Towards Data Science 在本文中,我想写一篇关于如何使用Python和Jupyter Notebook构建预测模型的文章。我在这个实验中使用的数据是来自Kaggle的酒店预订需求数据集:https://www.kaggle.com/j 阅读全文
posted @ 2020-09-16 20:55 人工智能遇见磐创 阅读(432) 评论(0) 推荐(0) 编辑
摘要: 作者|Sadrach Pierre, Ph.D. 编译|VK 来源|Towards Data Science 对于数据科学家来说,处理丢失的数据是数据清理和模型开发过程中的一个重要部分。通常情况下,真实数据包含多个稀疏字段或包含错误值的字段。在这篇文章中,我们将讨论如何建立可以用来填补数据中缺失或错 阅读全文
posted @ 2020-09-16 20:33 人工智能遇见磐创 阅读(775) 评论(0) 推荐(0) 编辑