学习摘要，都是最基础的东西，3月份整理的，有从博客文章里看的，也有自己的一些想法，也许存在一些错误，欢迎批评指正，大家选择性阅读：） 参考论文： 【1】论文名称：BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding 【1】论文地址：https://arxiv.org/abs/1810.048
转载
2023-11-21 22:10:04
68阅读
# NLP判别模型：从理论到实践
自然语言处理（NLP）是人工智能领域的一个重要分支，它致力于使计算机能够理解、解释和生成人类语言。在NLP中，判别模型是一种常用的方法，用于对文本数据进行分类或回归。本文将介绍NLP判别模型的基本概念、原理和应用，并提供一些代码示例。
## 1. NLP判别模型概述
NLP判别模型是一种监督学习模型，它通过学习训练数据中的模式，对新的文本数据进行分类或回归。
原创
2024-07-17 11:38:38
44阅读
生成式模型和判别式模型的概念是机器学习领域非常重要的基础知识，但能准确区分开二者并不是一件非常容易的事情，笔者经常是看一遍忘一遍，为了巩固下知识点，我将从以下几个方面对两种模型进行介绍和对比。概念首先我们需要明确，两种不同的模型都用于监督学习任务中。监督学习的任务就是从数据中学习一个模型，并用基于这个模型对给定的输入预测相应的输出。这种模型的一般形式为决策函数 或者条件概率分布 。我们先用一张图
原创
2021-02-05 19:17:42
725阅读
产生式模型(Generative Model)与判别式模型(Discrimitive Model)是分类器常遇到的概念，它们的区别在于： 对于输入x，类别标签y： 产生式模型估计它们的联合概率分布P(x,y) 判别式模型估计条件概率分布P(y|x) 产生式模型可以根据贝叶斯公式得到判别式模型，但反过
转载
2020-12-13 14:01:00
253阅读
2评论
1 定义1.1 生成式模型 生成式模型（Generative Model）会对x和y的联合分布p(x,y)建模，然后通过贝叶斯公式来求得 p(yi|x)，然后选取使得p(yi|x) 最大的 yi，即： 简单说生成式模型就是生成数据分布的模型。将求联合分布的问题转为了求类别先验概率和类别条件概率的问题。1.2 判别式模型 对条件概率 p(y|x;)
转载
2018-07-05 17:38:00
596阅读
2评论
有监督学习回归模型中，我们利用训练集直接对条件概率p(y|x;θ)建模，例如logistic回归就利用hθ(x) = g(θTx)对p(y|x;θ)建模（其中g(z)是sigmoid函数）。假设现在有一个分类问题，要根据一些动物的特征来区分大象(y = 1)和狗(y = 0)。给定这样的一种数据集，
转载
2017-04-20 00:23:00
213阅读
点赞
2评论
搞懂生成式模型和判别式模型
原创
2021-07-11 17:52:43
397阅读
生成式模型和判别式模型的概念是机器学习领域非常重要的基础知识，但能准确区分开二者并不是一件非常容易的事情，笔者经常是看一遍忘一遍，为了巩固下知识点，我将从以下几个方面对两种模型进行介绍和对比。概念首先我们需要明确，两种不同的模型都用于监督学习任务中。监督学习的任务就是从数据中学习一个模型，并用基于这个模型对给定的输入预测相应的输出。这种模型的一般形式为决策函数 或者条件概率分
原创
2022-10-18 15:06:41
637阅读
特点：产生式模型:从统计的角度表示数据的分布情况，能够反映同类数据本身的相似度，不关心判别边界。判别式模型：寻找不同类别之间的最优分类面，反映的是异类数据之间的差异。区别：产生式模型(Generative Model)与判别式模型(Discrimitive Model)它们的区别在于：假设有样本输入值（或者观察值）x，类别标签（或者输出值）y判别式模型评估对象是最大化条件概...
转载
2018-10-22 09:34:40
461阅读
生成式模型 P(X,Y)对联合概率进行建模，从统计的角度表示数据的分布情况，
转载
2020-09-22 17:22:00
235阅读
2评论
©NLP论文解读 原创•作者 | 吴雪梦Shinemon研究方向 | 计算机视觉 导读说明在NLP模型被建立后，如何更好的评价该模型一直以来都是被广泛讨论与关注的问题，而且评价方法不尽相同，研究人员通常会花费大量的时间提出不同的参数来评估该模型，评价指标也多元化。 现有的NLP评价指标中表现良好的模型，由于分布变化和噪声数据等漏洞，在部署到现实
转载
2023-11-15 20:17:50
16阅读
原文地址为：机器学习--判别式模型与生成式模型 一、引言 本材料参考Andrew Ng大神的机器学习课程 http://cs229.stanford.edu 在上一篇有监督学习回归模型中，我们利用训练集直接对条件概率p(y|x;θ)建模，例如logistic回归就利用hθ(x) = g(θTx)对p(y|x;θ)建模（其中g(z)是sigmoid函数）。假设现在有一个分类问题，要...
转载
2018-10-22 09:37:29
318阅读
点赞
判别式模型与生成式模型是机器学习领域中的基本概念，今天将两者的特点总结一下，如下表所示：对比 判别式模型 生成式模型 特点 寻找不同类别之间的最优分类面，反映异类数据之间的差异 以统计的角度表示数据的分布情况，能够反映同类数据本身的相似度 区别（假如输入特征x,类别标签y） 估计的是条件概率分布：P(y|x) 估计的是联合概率分布 P(x,y) ...
转载
2018-10-22 09:24:47
179阅读
Andrew Ng, On Discriminative vs. Generative classifiers: A comparison of logistic regression and naive Bayes
无论是生成式模型还是判别式模型，都可作为分类器使用，分类器的数学表达即为：给定输入 X 以及分类变量 Y，求 P(Y|X)。判别式模型直接估算 P(Y|X)，或者也可像 SVM
转载
2017-03-04 09:52:00
371阅读
前言：从20世纪70年代的统计语言模型，到2003年的神经网络语言模型，再到2018年刷新各种NLP任务记录的BERT，再到今年6月份的XLNet再次刷新各种记录，带你一起领略其中奥妙。目录1、N-gram语言模型2、神经网络语言模型(NNLM)3、One-hot4、Word2vec5、ELMo6、Open AI GPT7、BERT8、XLNet9、Attention机制10、transferme
转载
2023-09-07 13:33:29
73阅读
如今已经进入2020年了，5G的时代已经到来，而机器人应用将更加的广泛，下面就让我们去了解机器人在学习中的两类模型，这文章告诉两种类型的区别，推荐给对机器人感兴趣的朋友们阅读！在机器学习中，对于有监督学习可以将其分为两类模型：判别式模型和生成式模型。简单地说，判别式模型是针对条件分布建模，而生成式模型则针对联合分布进行建模。01 基本概念假设我们有训练数据(X,Y)，X是属性集...
转载
2020-04-09 10:19:39
547阅读
# NLP模型的评测指标
自然语言处理（NLP）是计算机科学与语言学交叉的领域，致力于让计算机理解、分析和生成人类语言。随着深度学习的发展，NLP模型的性能显著提高，但如何评测这些模型的表现仍然是一个重要的研究课题。本文将介绍NLP模型的常用评测指标，并结合代码示例来帮助理解。
## 1. 常用评测指标
NLP模型的评测指标通常根据具体任务（如分类、生成、翻译等）而有所不同。以下是一些常见的
原创
2024-09-17 06:54:09
502阅读
1.生成模型与判别模型的定义 在机器学习中，模型可以分为两种：判别模型和生成模型。两者的区别在于找到决策边界的过程不同： （1）生成模型（Generative model） 用来生成一些数据的，如，生成一个句子 训练时用一些联合概率的方式去训练 （2）判别模型（Dicriminative model
转载
2021-03-16 15:10:00
942阅读
2评论
决策函数 监督学习的目标是学习到一个模型，通过这个模型对给定的输入，得到一个特定的输出，从而预测该数据的类别。这个模型对应的函数一般是$Y = f(X)$或者$P(Y|X)$。对于决策函数$Y = f(X)$类型，一般需要设置一个阈值用于判断属于哪个类别；对于条件概率分布$P(Y|X)$，只需要选取 ...
转载
2021-09-08 22:49:00
559阅读
2评论
一直在看论文的过程中遇到这个问题，折腾了不少时间，然后是下面的一点理
转载
2022-12-01 19:01:23
120阅读
