KNN算法主要是用于解决监督学习中的分类问题;其数据集是由特征值和目标值组成,使用的数据是已经标记过的数据;KNN算法是一种懒惰算法,没有明显的前期训练过程;里面的K值表示把这个样本点分到哪个类别的参考数据点 查看全文>>
人工智能常见问题2020-09-21 |传智播客 |KNN和k-means聚类有什么不同
Bias 是由于你使用的学习算法过度简单地拟合结果或者错误地拟合结果导致的错误。它反映的是模型在样本上的输出与真实值之间的误差,即模型本身的精准度,即算法本身的拟合能力。Bias 可能会导致模型欠拟合,使其难以具有较高的预测准确性,也很难将你的知识从训练集推广到测试集。 查看全文>>
人工智能常见问题2020-09-21 |传智播客 |么是Bias和Variance
首先,要明确它在说的fasttext是什么?我们学的fasttext工具有两个作用,也就是两个主要接口,文本分类和训练词向量,而我们学习的word2vec是什么,是如何进行词向量训练的理论。 查看全文>>
人工智能常见问题2020-09-21 |传智播客 |fasttext和word2vec的区别
BERT采用的是Transformer架构中的Encoder模块; GPT采用的是Transformer架构中的Decoder模块; ELMo采用的双层双向LSTM模块。 查看全文>>
人工智能常见问题2020-09-21 |传智播客 |BERT, GPT和 ELMo有什么不同点
首先, 如果所有参与训练的token被100%的[MASK], 那么在fine-tunning的时候所有单词都是已知的, 不存在[MASK], 那么模型就只能根据其他token的信息和语序结构来预测当前词, 而无法利用到这个词本身的信息, 因为它们从未出现在训练过程中, 等于模型从未接触到它们的信息, 等于整个语义空间损失了部分信息. 采用80%的概率下应用[MASK], 既可以让模型去学着预测这些单词, 又以20%的概率保留了语义信息展示给模型. 查看全文>>
人工智能常见问题2020-09-21 |黑马程序员 |BERT,MLM任务中,了80%,10%,10%,策略
我们推提供中级进修课,可以在中级进行课程,继续进行职业拓展。比如在爬虫、web方面进行职业拓展。你可登录我们的官网进行查看。 查看全文>>
人工智能常见问题2020-09-16 |传智播客 |人工智能课程,Python Web开发
人工智能AI进阶班,课程设置科学合理,适合AI技术初学者。该课程7个阶段、6个项目、80%的都是人工智能课程,平衡学习曲线。课程设计环节已考虑消化吸收,让零基础小白、数学零基础的学员、都能顺利入行AI;解决AI行业入门难、学习难、精通难、学习周期长的痛点。 查看全文>>
人工智能常见问题2020-09-16 |传智播客 |如何保障学员的消化吸收