感知机的分类与结构化预测_CodingPark编程公园
发布日期:2021-06-29 15:47:14 浏览次数:2 分类:技术文章

本文共 345 字,大约阅读时间需要 1 分钟。

基本概念

引言

隐马尔可夫模型能捕捉的特征仅限于两种:其一,前一个标签是什么;其二,当前字符是什么。

为了利用更多的特征,线性模型 应运而生
线性模型由两部分构成: 一系列用来提取特征的特征函数 φ,以及相应的权重向量 w。

分类问题

概念

分类指的是预测样本所属类别的一类问题。

二分类也可以解决任意类别数的多分类问题(one vs rest)。
在这里插入图片描述

应用

在NLP领域,绝大多数任务可以用分类来解决。文本分类天然就是一个分类问题。关键词提取时,对文章中的每个单词判断是否属于关键词,于是转化为二分类问题。在指代消解问题中,对每个代词和每个实体判断是否存在指代关系,又是一个二分类问题。在语言模型中,将词表中每个单词作为一种类别,给定上文预测接下来要出现的单词。

线性分类模型

想要分类样本ÿ

转载地址:https://codingpark.blog.csdn.net/article/details/107783977 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!

上一篇:JavaScript前后端传参_CodingPark编程公园
下一篇:HMM中文分词_CodingPark编程公园

发表评论

最新留言

第一次来,支持一个
[***.219.124.196]2024年04月27日 23时40分36秒