三、PNN 3.1 模型 3.1.1 IPNN 3.1.2 OPNN 3.1.3 讨论 3.2 实验 三、PNN 在典型的推荐、广告任务中，大多数特征都是离散的categorical 。一种常见做法是将这些离散特征进行 one-hot 编码，从而转化为稀疏二元特征 sparse binary feature 。 传统模型非常依赖于特...

语义匹配 短文本-短文本语义匹配 短文本-长文本语义匹配 案例1：用户查询-广告页面相似度 案例2: 文档关键词抽取 长文本-长文本语义匹配 案例3: 新闻个性化推荐 案例4: 小说个性化推荐 案例5：垂类新闻CTR预估 语义匹配 工业界的很多应用都有在语义上衡量本文相似度的需求，我们将这类需求统称为“语义匹配”。根据文本长度的不同，...

人脸识别概念概述 面部方向 特征点 分类 下一步 人脸识别概念概述 人脸识别是在可视媒体（数字图像或视频）中自动定位人脸的处理过程。识别到的脸部会在具有相关大小和方向的位置上被报告。一旦脸部被检测到，就可以搜索到诸如眼睛和鼻子等特征点（landmark）。 以下是讨论 ML Kit 面部识别功能时使用的一些术语： 脸部追踪 将人脸识别从...

Transformer 特征提取 回归 分类 聚类 其他类型的 Transformer Transformer Transformer 是机器学习 Pipeline 执行的基本单元。一个 Transformer 以一帧 Data Frame 作为输入，执行某些转换操作，输出包含一个或者多个新字段的数据到原来的 Data Frame 中。虽然...

9.1 图像聚类简介 9.1 图像聚类简介 图像分类源于机器视觉，其根据图像可见内容对图像进行分类。例如，某个图像算法可能会用来告诉你该图片中是否有人。虽然检测人可能是很简单的事情，但能将图像进行准确分类的算法，仍然是目前的所要面临的挑战。 BoW模型通常会用于文本分类或自然语言处理。BoW模型中每个词出现的频度都会作为一个训练参数传入对应的机器学...

adaptive_avg_pool3d 参数 返回 抛出异常 代码示例 adaptive_avg_pool3d paddle.nn.functional. adaptive_avg_pool3d ( x, output_size, data_format=’NCDHW’, name=None ) [源代码] 该算子根据输入 x , out...

减少方差的技术 减少方差的技术 如果你的学习算法存在着高方差问题，可以考虑尝试下面的技术： 添加更多的训练数据 ：这是最简单最可靠的一种处理方差的策略，只要你有大量的数据和对应的计算能力来处理他们。 加入正则化 （L2 正则化，L1 正则化，dropout）：这项技术可以降低方差，但却增大了偏差。 加入提前终止 （例如根据开发集误差提前终止梯度下...

5.2. 特征提取 5.2. 特征提取 5.2.1. 从字典类型加载特征 5.2.2. 特征哈希（相当于一种降维技巧） 5.2.2.1. 实现细节 5.2.3. 文本特征提取 5.2.3.1. 话语表示 5.2.3.2. 稀疏 5.2.3.3. 常见 Vectorizer 使用方法 5.2.3.3.1 使用停止词 5.2.3.4. Tf–id...

三、生成算法 3.1 ID3 生成算法 3.2 C4.5 生成算法 三、生成算法 决策树有两种常用的生成算法： ID3 生成算法。 C4.5 生成算法。 ID3 生成算法和 C4.5 生成算法只有树的生成算法，生成的树容易产生过拟合：对训练集拟合得很好，但是预测测试集效果较差。 3.1 ID3 生成算法 ID3 生成算...