摘要：大纲： 1、介绍2、数据标注，数据输入格式3、3种文本多标签分类的方法4、损失函数、概率、预测结果 一、文本分类介绍 首先，我介绍下文本多分类和文本多标签分类的的区别。 1、Multi-Class：多分类/多元分类（二分类、三分类、多分类等） 二分类：判断邮件属于哪个类别，垃圾或者非垃圾 多分类：判 阅读全文

摘要：NLP问题，大都至少是个统计类问题，对整个数据集进行分析，然后给出概率最大的结果，无论是基于概率的浅层学习，还是使用了深度学习都是如此，而少了可供添加和修改的特征，此时如果出现比较关键的bad case，就并不好干预，而且在干预的同时还需要考虑尽可能不产生新的bad case，这样一来，要处理这些b 阅读全文

摘要：说到softmax和sigmoid二者差别，就得说说二者分别都是什么。其实很简单，网上有数以千计的优质博文去给你讲明白，我只想用我的理解来简单阐述一下： sigmoid函数针对两点分布提出。神经网络的输出经过它的转换，可以将数值压缩到(0,1)之间，得到的结果可以理解成“分类成目标类别的概率P”。而 阅读全文

摘要：准备1、先说一下什么是logit，logit函数定义为： 是一种将取值范围在[0,1]内的概率映射到实数域[-inf,inf]的函数，如果p=0.5，函数值为0；p<0.5，函数值为负；p>0.5，函数值为正。 相对地，softmax和sigmoid则都是将[-inf,inf]映射到[0,1]的函数 阅读全文