摘要：
阅读全文
posted @ 2017-07-27 09:11
simple_wxl
阅读(474)
评论(0)
推荐(0)
摘要：
class xgboost.XGBRegressor(max_depth=3, learning_rate=0.1, n_estimators=100, silent=True, objective='reg:linear', booster='gbtree', n_jobs=1, nthread= 阅读全文
posted @ 2017-07-26 12:27
simple_wxl
阅读(770)
评论(0)
推荐(0)
摘要：
双向LSTM 阅读全文
posted @ 2017-07-25 10:45
simple_wxl
阅读(234)
评论(0)
推荐(0)
摘要：
Note that if we wrap a base cell with dropout and then use it to build a MultiRNNCell, both input dropout and output dropout will be applied between l 阅读全文
posted @ 2017-07-25 09:57
simple_wxl
阅读(596)
评论(0)
推荐(0)
摘要：
来源于：https://github.com/HanXiaoyang/python-and-numpy-tutorial/blob/master/python-numpy-tutorial.ipynb python与numpy基础 来源于：https://github.com/HanXiaoyang 阅读全文
posted @ 2017-07-23 16:20
simple_wxl
阅读(1154)
评论(0)
推荐(0)
摘要：
阅读全文
posted @ 2017-07-17 21:01
simple_wxl
阅读(151)
评论(0)
推荐(0)
摘要：
CRF的进化 https://flystarhe.github.io/2016/07/13/hmm-memm-crf/参考： http://blog.echen.me/2012/01/03/introduction-to-conditional-random-fields/ 说明：因为MEMM只在局 阅读全文
posted @ 2017-07-17 18:39
simple_wxl
阅读(11975)
评论(0)
推荐(1)
摘要：
TM有三个 model.add(LSTM(100, dropout=0.2, recurrent_dropout=0.2)) 第一个dropout是x和hidden之间的dropout,第二个是hidden-hidden之间的dropout 在tensorflow里面有 第三个是层-层之间的drop 阅读全文
posted @ 2017-07-17 14:58
simple_wxl
阅读(10015)
评论(0)
推荐(0)
摘要：
HMM的应用 HMM是生成模型 词性标注：给定一个词的序列（也就是句子），找出最可能的词性序列（标签是词性）。如ansj分词和ICTCLAS分词等。 分词：给定一个字的序列，找出最可能的标签序列（断句符号：[词尾]或[非词尾]构成的序列）。结巴分词目前就是利用BMES标签来分词的，B（开头）,M（中 阅读全文
posted @ 2017-07-17 11:14
simple_wxl
阅读(534)
评论(0)
推荐(0)
浙公网安备 33010602011771号