2019-07-16 14:12 alpha
本篇博客是关于 徐晓伟老师 *的讲课（数据管理新技术）笔记Clustering. 主要包括K-means和DBCAN算法。 定义： Grouping objects into sub-groups (clusters) # 等于对数据进行归纳，比如100万数据分成若干组，看不同自己的情况 such that: similar objects form a cluster dissimilar objects belong to different clusterts typically: a similar...
继续阅读 »2019-07-15 18:25 于开帅
参考廖雪峰老师的教程： https://www.liaoxuefeng.com/wiki/1016959663602400/1017075323632896 再战字符编码问题！ 首先，需要明确： 1字节(byte) = 8比特(bit) 1k = 1024字节(byte) 编码的历史(按时间顺序)： 【一家独大，别人家使用不了】ASCII[1个字节](计算机是鹰酱家发明的，ASCII是仅适用于英文字母、数字和一些符号，即只有127个字符被编码到计算机中) 【多家鼎立，各家用各家的冲突明显】处理中文至少需要...
继续阅读 »2019-07-07 19:14 于开帅
gemsim[word2vec & doc2vec] 官方文档：https://radimrehurek.com/gensim/models/word2vec.html https://rare-technologies.com/word2vec-tutorial/. gensim介绍:python NLP的包 gensim包依赖于numpy包和scipy包，即需要先安装numpy和scipy，再安装gensim 【word2vec】 # 参考https://radimrehurek.com/gensim...
继续阅读 »2019-07-05 16:52 VincentWei
首先介绍大家熟悉的Seq2Seq模型。 接下来介绍Beam Search。预测的时候使用，训练的时候不使用。 引入Attention的初衷，越长的距离关系，LSTM的能力在下降。 核心代码如下：（注释的很清楚了） """ Sequence To Sequence模型 定义了模型编码器、解码器、优化器、训练、预测 """ import tensorflow as tf from tensorflow.contrib.rnn import LSTMCell, GRUCell, MultiRNNCell, LS...
继续阅读 »
