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
programhelp_1 小时前
Roblox Coding OA 面经分享｜题量不小，但整体更偏工程思维JAVA社区1 小时前
Java进阶全套教程（一）—— 数据框架Mybatis详解周末也要写八哥1 小时前
机器学习评价指标之平均概念晚烛1 小时前
CANN 模型蒸馏实战：大模型知识迁移到小模型侃谈科技圈1 小时前
端侧AI基础设施：核心环节与代表企业UEBqbZvUB1 小时前
基于 Flask 框架开发的在线学习平台，集成人工智能技术，提供分类练习、随机练习、智能推荐等多种学习模式 HTTPS ECDHE 握手全解析俊哥工具1 小时前
解决网速卡顿、断网、网络报错，万能网络修复工具教程Juicedata1 小时前
降低数据存储成本：JuiceFS v1.4 分层存储设计解析乐迪信息1 小时前
乐迪信息：港口船舶盲区看不清？AI视觉检测精准识别