今天聊聊fasttext做文本分类任务:fasttext训练速度能够匹配传统机器学习,训练速度为什么快?底层采用霍夫曼树(最优二叉树),其底层原理就是词的频次越高离根结点就越近,便于更快找到.采用负采样:只有一个正样本和随机几个负样本用作模型训练,大大节省了训练时间,同时还缓解了过拟合的问题.ngram特征:解决了未登录词的问题,让模型更好感知词内部构词语义规律.准确度能够追赶bert大模型,fasttext是在训练速度和准确度之间寻求平衡.工作过程是输入一个句子,返回的是这个句子属于哪个类别.其基本架构包含输入层:这一层就是对输入的文档做词向量化的过程,也包含了N-gram特征.隐藏层:对输入的数据求和平均.输出层:输出的是文档对应的label标签(这是在输入文档前需要对每个句子添加__label__标签,根据实际情况,对同一个句子可以添加多个标签,其格式为__label__标签名1__标签名2__空格,句子)常见的分类种类:二分类:输出的是该样本为正的概率(两个分类结果,底层默认sigmoid激活函数).单标签多分类:输出的是一个样本在多个标签上的概率,概率和为1(softmanx激活函数).多标签多分类:输出的是一个样本分别对多个分类标签上为正的概率(sigmoidj激活函数,但是有多个分类结果,设定阈值和k).fasttext做文本分类任务相关api:设置并训练模型:model = fasttext.train_supervise人的("文件路径",各种参数).模型测试:model.test("测试文件路径").模型预测:model.predict(text = "文本").模型保存:model.save_model("路径.bin").模型加载:fasttext.load_model("路径.bin")
相关推荐
Shockang1 小时前
AI 智能体安全沙盒实战yuhulkjv3352 小时前
Claude表格复制到word不再崩溃，AI导出鸭批量导出+格式无损一键搞定从零开始学习人工智能3 小时前
【踩坑实录】WSL2 解决 onnxruntime\-gpu ImportError: libcudart\.so\.13 无 CUDA13 运行库问题大明者省3 小时前
WSL2 Ubuntu22.04 GPU训练环境配置指南抱抱宝3 小时前
Agent-study项目教程（03）：手写 Mini-ReAct Agent（不依赖框架）抱抱宝3 小时前
大模型应用开发教程08 | 构建完整 RAG 应用（Chroma/FAISS 实战）美团技术团队4 小时前
KDD‘26 美团学术论文精选及KDD Cup‘26 DataAgents赛道冠军思路解读AKAMAI4 小时前
当AI模型超出存储增长时WWJA王文举4 小时前
I²C通信完整流程详解：START、地址、ACK、数据、Repeated START和STOP一次讲透科技绘图4 小时前
快鲸GEO vs 传统AI搜索优化：全链路自动化与高效内容生产在转化闭环上的对比