劉鵬飛老師認(rèn)為NLP目前為止經(jīng)歷了四個(gè)階段(范式)：完全監(jiān)督機(jī)器學(xué)習(xí)完全監(jiān)督深度學(xué)習(xí)預(yù)訓(xùn)練模型微調(diào)： 預(yù)訓(xùn)練->微調(diào)->預(yù)測Prompt提示學(xué)...
投稿
收錄了48篇文章 · 47人關(guān)注
-
Prompt Learning(提示學(xué)習(xí)) -
降維-流形學(xué)習(xí)-等度量映射(Isomap)一.基本思路：局部距離替換高維空間距離 構(gòu)建原始高維空間的距離直接采用了歐氏距離，但這在流形結(jié)構(gòu)數(shù)據(jù)中往往有問題，如下圖所示，黑線長度便是歐氏距...
-
推薦模型相關(guān)面經(jīng)
召回[https://datawhalechina.github.io/fun-rec/#/ch04/ch4.2?id=%E5%8F%AC%E5...
-
層次聚類AGNES詳解一.算法介紹 層次聚類試圖在不同層次對數(shù)據(jù)集進(jìn)行劃分，從而形成樹形的聚類結(jié)構(gòu)。數(shù)據(jù)集的劃分有兩種策略：一種是自下而上，另一種是自上而下；自下而上...
-
降維_奇異值分解(SVD)
一.奇異值分解定義 將一個(gè)非零的實(shí)矩陣，表示為如下三個(gè)實(shí)矩陣的乘積形式的運(yùn)算，即進(jìn)行矩陣的因子分解： 其中，是階正交矩陣，是階正交矩陣，是由降序...
-
距離度量以及性能評估方法
一.距離度量 對于聚類，其實(shí)之前已經(jīng)有算法涉及了，比如GMM，這一章開始再次做系統(tǒng)介紹。聚類的核心思想套用一句俗語：“物以類聚，人與群分”，這里...
-
FFM的原理介紹及實(shí)現(xiàn)
一.FFM原理介紹 FFM（Field-aware Factorization Machine）是對FM的改進(jìn)，我們先回顧一下上一節(jié)的FM，它對...
-
FM因子分解機(jī)的原理介紹及實(shí)現(xiàn)
一.FM原理 大家可能用過sklearn中的這個(gè)多項(xiàng)式特征處理函數(shù)：sklearn.preprocessing.PolynomialFeatur...
-
譜聚類詳解
一.基本原理 該部分參考了《譜聚類》-劉建平[https://www.cnblogs.com/pinard/p/6221564.html#!co...
-
拉普拉斯近似詳解
這一節(jié)本來是要介紹Logistic回歸的貝葉斯估計(jì)的，但由于其后驗(yàn)概率分布無法顯式求解（包含了無數(shù)個(gè)sigmoid函數(shù)的乘積），所以這一節(jié)作為前...
{var%20f='http://v.t.sina.com.cn/share/share.php?appkey=1881139527',u=z||d.location,p=['&url=',e(u),'&title=',e(t||d.title),'&source=',e(r),'&sourceUrl=',e(l),'&content=',c||'gb2312','&pic=',e(p||'')].join('');function%20a(){if(!window.open([f,p].join(''),'mb',['toolbar=0,status=0,resizable=1,width=440,height=430,left=',(s.width-440)/2,',top=',(s.height-430)/2].join('')))u.href=[f,p].join('');};if(/Firefox/.test(navigator.userAgent))setTimeout(a,0);else%20a();})(screen,document,encodeURIComponent,'','','https://upload.jianshu.io/collections/images/1651177/graph.png', '推薦專題《知識圖譜》（ 分享自 @簡書 ）','http://m.itdecent.cn/c/ee565ec879e8?utm_campaign=maleskine&utm_content=collection&utm_medium=reader_share&utm_source=weibo','頁面編碼gb2312|utf-8默認(rèn)gb2312'));){kind=link}