命名实体识别模型总是预测相同的类别，但提供99%的准确率
。
命名实体识别模型是一种用于识别文本中特定实体的自然语言处理技术。它可以自动识别文本中的人名、地名、组织机构名等实体，并将其分类到相应的类别中。
命名实体识别模型的预测结果通常是基于模型训练得到的统计学模型。由于训练数据的质量和数量的限制，以及模型的算法和参数设置等因素，使得模型在一定程度上存在一定的误差。因此，即使是准确率高达99%，模型仍然可能出现错误分类的情况。
命名实体识别模型的准确率可以通过多种方式进行提升。一种常见的方法是增加训练数据的多样性和数量，以便模型能够更好地学习到各种实体的特征。此外，可以采用更高级的模型算法，例如深度学习模型，以提高模型的学习能力和准确性。
在实际应用中，命名实体识别模型具有广泛的应用场景。例如，在信息抽取、机器翻译、问答系统、舆情分析等领域都可以使用命名实体识别模型来提取和标注文本中的实体信息。此外，命名实体识别模型也可以用于构建智能客服系统、智能搜索引擎等人工智能应用。
腾讯云提供了一系列与自然语言处理相关的产品和服务，其中包括命名实体识别服务。您可以使用腾讯云的"自然语言处理"产品系列来实现命名实体识别功能。具体可参考腾讯云命名实体识别服务的文档和API介绍，链接地址为：https://cloud.tencent.com/document/product/271/35495
相关·内容
3回答
为了对10种类型的图像进行分类，我使用Keras对基于卷积的序列模型进行了建模。我利用了categorical_crossentropy。我的问题是，尽管我通过包含验证数据在训练模型上获得了99%的准确率，但我在识别不属于10个类别中的任何一个类别的图像时遇到了问题。这样做的正确方式是什么？任何属于这些类型的测试图像都可以通过我的模型很好地分类。但是如果一个图像不是这些类型中的一个，我想把它归类为“未分类的图像”，我该怎么做呢？
非常感谢您提前给予的支持。
浏览 1提问于2017-10-19得票数 1
1回答
我正在建立一个有监督的机器学习模型，该模型(例如)预测心力衰竭(是/否)。我有两个来自两个不同实验室的数据集，A和B都有很好的分布，也不是说A比B有更多的年轻人，但不知怎么的，A的心力衰竭率要低得多。
为每个模型创建了一个单独的模型，每个模型的准确率都达到了90%或更高，但我的目标是建立一个模型，该模型可以使用包含来自A和B的信息的级联数据集。目前，这种组合模型对于来自B的样本的准确率为75%，对于A的准确率为90%。
我试过的是：
不同方式的示例/创建“偶数”数据集
添加指示哪个实验室的功能
正规化数值特征
为数值特征创建类别
我知道总体结果当然不会像单个模型那样好，但是我如何使这些平台至少
浏览 0提问于2021-04-13得票数 0
3回答
我有10个类别的数据集，我得到了85%的准确率，在保存的模型上获得了相同的准确率。现在我想添加一个新类，如何将新类添加到已保存的模型中。我试着删除最后一层和训练，但模型过拟合，在预测中，每个图像都显示相同的结果(新添加的类)。
我就是这么做的
model.pop()
base_model_layers = model.output
pred = Dense(11, activation='softmax')(base_model_layers)
model = Model(inputs=model.input, outputs=pred)
# compile and fit s
浏览 1提问于2018-07-24得票数 2
4回答
我训练了一个神经网络来识别手语。这是我的输出层model.add(Dense(units=26,activation="softmax"))，现在我得到了所有26个字母表的概率。不知怎么的，当我测试这个模型accuracy = model.evaluate(x=test_X,y=test_Y,batch_size=32)时，我得到了99%的准确率。我是新手。我不能理解这段代码是如何工作的，我在这里遗漏了一些主要的东西。如何获得一个只包含预测字母表的1D列表？
浏览 24提问于2019-03-09得票数 0
回答已采纳
我正在学习kNN模型的超参数，我遇到了“距离”和“均匀”权重函数参数。 我的理解是，权重函数将在模型经过训练后用于计算预测(通过对邻居的投票进行加权)。因此，我的问题如下： 我对权重函数的理解是否只用于预测(而不是在训练期间)？ 似乎使用'distance‘总是给出接近100%的训练准确率，这是否意味着使用'distance’函数会导致过度拟合？ 什么时候你应该使用'distance‘而不是'uniform'？
浏览 74提问于2021-02-04得票数 1
2回答
我是spacy新手，我发现对于初学者来说，这些文档相当复杂。我的当前项目要求我使用自定义实体创建一个新模型，这是我遵循所做的。
现在，我正在工作的句子每句话只有一个或没有一个实体。
的例子： John (PERSON)是美国人(NATIONALITY)。句子中只有一个PERSON标记和一个NATIONALITY标记。
我遇到的问题是，当我向模型传递新的句子时，有时它会识别多个PERSON，即使总是有一个或一个都没有。
的例子： John (PERSON)去了麦当劳(PERSON)。
，我的问题是：有没有办法使模型在每个句子中只识别一个类型的实体？
(在最后一个例子中，我想这个模型会知道约翰比麦
浏览 2提问于2021-08-23得票数 1
回答已采纳
我的深度学习主题是将图像分类为5个不同的类别。我使用ImageDataGenerator库将我的数据集分割为训练和测试。我已经成功地按照CNN方法开发了一个模型架构，并在测试数据集上评估了我的模型的性能，这使我的准确率达到了83%。 是否可以应用技能学习评估指标，如精度、召回率、f1_score等来评估我的测试结果？如果是，我该怎么做？
浏览 12提问于2020-09-23得票数 0
回答已采纳
1回答
标签分布对回归问题深度学习的影响
、、、、
我正在尝试训练一个回归问题的CNN模型，之后，我将预测的标签分为4类，并检查一些准确性指标。在混淆矩阵中，2,3类的准确率在54%左右，1,4类的准确率在90%以上。标签在0-100之间，类别为1: 0-45,2: 45-60，3:60-70，4:70-100。我不知道问题是从哪里来的，是不是因为标签在训练集中的分布，解决方案是什么？致敬..。我在下面的链接中附上了这个图。 Training set target distribution
浏览 13提问于2020-01-30得票数 0
我正在关注张量流网站上的图像分类教程：
该模型将花朵分为五类:雏菊、蒲公英、玫瑰、向日葵和郁金香。
我能看到总体的准确性，但是有什么方法可以知道每一节课的精确程度吗？
例如，我的模型可以非常好地预测蒲公英、蒲公英、玫瑰和向日葵(接近100%的准确率)，而郁金香的预测精度很差(接近0%)，我认为我仍然可以看到80%的总体准确率(假设类别是平衡的)。我需要知道各个类的准确性，以便将这种性能与预测所有类的大约80%准确率的模型区分开来。
浏览 2提问于2021-01-11得票数 1
回答已采纳
1回答
我使用两个神经网络对两类文本进行分类。我对测试数据的准确率达到了90%。此外，还使用不同的性能指标，如精确性、召回性、f-得分和混淆矩阵，以确保模型按预期执行。
在使用经过训练的模型的预测实验中，我获取每个prediction.The输出的概率如下(无法提供在Azure中实现的代码)
例:类(概率)，类2(概率) ->预测类
1 (0.99)，2 (0.01) -> 1级
类别1 (0.53)，类别2 (0.47) -> 1
类别1 (0.2)，类别2(0.8) ->类别2
根据我到目前为止的理解，通过观察我们可以判断的概率，关于其prediction.And 90%
浏览 2提问于2017-11-20得票数 0
回答已采纳
4回答
训练模型的准确率高达98%，但混淆矩阵表现出很高的误识率。
我正在使用keras和迁移学习方法在预先训练的VGG16模型上进行多类分类。
问题是使用CNN将图像分类为5种类型的番茄病害。
有5个疾病类别，6970个训练图像和70个测试图像。
训练模型的准确率为98.65%，而测试模型的准确率为94%。
但问题是，当我生成混淆矩阵时，它显示出非常高的误分类。
谁来帮帮我，是我的代码错了还是模型错了？我很困惑我的模型是否给出了正确的结果。
如果有人能解释一下keras是如何使用model.fit_generator函数来计算精度的，因为将精度的一般公式应用于混淆矩阵，并没有给出与keras计算的结
浏览 5提问于2018-12-26得票数 1
2回答
混淆矩阵与分类报告
、、、
我成功地创建了一个简单的一维CNN分类与3个类别。在训练过程中，我将模型和权重保存到yaml和h5文件中。然后，在测试过程中，通过返回类作为输出，成功地加载了模型和权重，并将其用于实时分类。然而，我也用测试数据测试我的模型，我想把它看作是一个混乱的矩阵。这是我做的代码：
from keras.models import model_from_yaml
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import classification_report, confusion_matrix
import
浏览 2提问于2020-05-06得票数 0
回答已采纳
我已经使用EMNIST byclass数据集通过加载训练和测试数据的.csv文件以及数字(0-9)和字母(A-Z，a-z)分类的标签来训练我的模型。我得到了大约87%的模型评估准确率。但是，当我使用keras load_model()使用最佳保存的模型权重(.hdf5)时，它给出了奇怪的结果，就好像没有进行任何训练一样。但是在加载模型之后，如果我运行模型评估，iyt仍然会给我87%的准确率。
那么，在对任何新图像进行预测时，如果我得到错误的预测，会出现什么问题？
谢谢
浏览 92提问于2018-02-09得票数 -1
我正在训练一个用于命名实体识别的Keras LSTM。在单词和字符级别上都有一个bi-LSTM。
在训练过程中，训练集和测试集的准确率都很高。经过训练，我可以在测试集上运行model.evaluate()，并获得99%的准确率的高分。
然而，如果我在X_test上使用model.predict()，模型只预测每个序列都是一个0数组(我用它来填充)，我的准确率为60%，f1得分为0。代码如下：
class BiLSTM:
def __init__(self):
self.annotations = load_annotations('data/annotatio
浏览 0提问于2018-06-22得票数 0
1回答
学习随机森林:严重过度适应？
、、、、
我试图应用knn、logistic回归、决策树和随机森林来预测一个二进制响应变量。
前三种算法的准确率看似合理，但随机森林算法的准确率超过99% (1127/1128的正确率)。
vote_lst = list(range(1, 101))
rf_cv_scores = []
for tree_count in vote_lst:
maple = RandomForestClassifier(n_estimators = tree_count, random_state = 1618)
scores = cross_val_score(maple, x, y, cv = 10,
浏览 0提问于2018-10-27得票数 0
1回答
我已经训练了一个神经网络多类分类模型，大约有150个类别，准确率约85%。一旦对模型进行了培训和部署，它就会预测新的数据，而我将保存日志。现在我必须检测那些数据点，这些数据点被模型错误地预测了。例如，该模型对10个数据点进行了预测，其中可能有3个数据点被模型错误分类。有什么办法能得到这些数据点吗？我有以下数据。
部署的模型。
数据点。
相应的预测类由模型来预测。
信心分数在预测上。
我知道用信心得分我可能会对错误的预测有一些想法，但我在想还有什么别的方法可以得到吗？
浏览 0提问于2021-01-11得票数 1
回答已采纳
1回答
我对机器学习很陌生。看看其他的工作，我训练了以下模型的，它显示了非常高的精度(98 %- 99%)，根据计算为测试集。要运行笔记本，需要一个Kaggle帐户。
然而，大多数情况下，模型无法从测试集中准确地对单个图像进行分类。我有两个类别，每类10 000图像在培训集，2000每个类别在验证集，和50每个类别在测试集。三组图像在大小、内容等方面没有太大的差异。
然后，我训练了一个类似的模型，它的准确率约为85%，但在个别图像上仍然失败。
有人能帮忙吗？谢谢。
浏览 3提问于2022-08-02得票数 -1
1回答
我训练了一个二进制分类模型，获得了98%的测试准确率和99%的训练准确率。
今天我想计算混淆矩阵，并使用下面的代码来计算它们。
model = load_model("model.h5")
testGenerator = ImageDataGenerator(rotation_range=5,
width_shift_range=0.2,
height_shift_range=0.2,
浏览 11提问于2018-08-04得票数 5
我正在训练一个用于人脸识别的深度学习模型，针对两个人脸。由于我已经开始训练，每个时期的训练损失都在减少，因此每个时期之后训练的准确性都会提高。
然而，验证损失持续增加，而验证准确率为0.5000并保持不变。
如何改进这一点，如何减少验证损失？
浏览 17提问于2020-02-22得票数 0
2回答
我正在使用Libsvm来解决一个二进制分类问题。我的数据集有大约50K个属性和18个样本。我正在使用leave one out验证(对17个样本进行训练，并对剩余的样本进行测试)。我使用以下命令对数据进行标准化：
svm-scale -s scaling_parameters Train$i > TrainScaled$i
svm-scale -r scaling_parameters Test$i > TestScaled$i
训练和预测如下所示：
svm-train -s 0 -c 5 -t 2 -g 0.5 -e 0.1 TrainScaled$i model
svm-pre
浏览 0提问于2014-04-17得票数 1
LUIS一直是一个很棒的工具。我们开始着手编写一个聊天机器人，我们想要使用LUIS服务。我们希望LUIS从给定的文本中识别各种Microsoft产品。
比方说，我希望LUIS将sharepoint 2010，sharepoint 2013，visual studio 2013，visual studio 2010等识别为技术产品。我们尝试添加了“产品”功能，并添加了如上所示的逗号分隔值。然而，该模型仅适用于sharepoint，visual -基本上是单个单词。它无法识别短语。
在使用一些数据进行训练后，它能够将sharepoint和visual识别为技术(实体)，但是，所需的整个短语不起作用
浏览 0提问于2016-06-23得票数 3
1回答
我创建了一个合成数据集，其中一个类中有20个样本，另一个类中有100个，因此创建了一个不平衡的数据集。平衡前的数据分类准确率为80%，而平衡后的分类准确率为60% (即两个类别的100个样本)。可能的原因是什么？
浏览 0提问于2018-02-23得票数 7
回答已采纳
1回答
我正在创建一个自定义NER (命名实体识别)模型使用双向LSTM和CRF。
在研究Ner的过程中，我看到所有的例子都包括每个句子的多个实体。作为例子，这句话包括两个实体
(约翰住在我们里面)约翰=S，美国=S-国家
问题1:
我们可以创建一个模型(bi lstm crf)，其中我们只想预测一个实体。？
问题2:
在CRF中，邻域的状态会影响到当前的预测，因此预测每个句子一个实体似乎很困难，尤其是CRF？
问题3 :
如果我不能用CRF实现这一点，我可以使用Bert来训练一个模型，每个模型有一个实体吗？
提前谢谢。
浏览 0提问于2020-01-04得票数 2
回答已采纳
4回答
利用卷积神经网络建立图像分类模型，经过5次classes.It训练，训练准确率为100%，测试准确率为82%。但是当我手动给出一幅图像进行预测时，该模型无法将它们分类为10幅图像该模型仅对3-4幅图像进行分类correctly.What是错误的吗？我该怎么办？?
浏览 3提问于2018-04-16得票数 0
我有一个非常小的数据集(40个训练示例、10个验证示例、120个类)，对于这些数据集，我在Keras中使用了一个非常简单的模型(仅限于批规范、扁平和密集层)，获得了非常高的精度。
我的训练准确率为94-95%，验证准确率为76-78%.我知道这太合适了，我试过几样东西。数据不是图像，所以我不能增加数据。我也不能添加数据，因为它是一个特定的类型。我使用了两个0.5层的下拉层，架构非常简单，所以我认为我无法降低体系结构的复杂性。如果有人喜欢，我可以粘贴模型。
我的问题是:是否有过这样的情况:验证的准确性不能像训练的准确性那样高？是否有基于数据集大小的限制？还是总是有可能验证的准确性匹配培训的准确性
浏览 0提问于2017-06-05得票数 3
回答已采纳
我已经使用Keras训练了一个图像分类模型。训练后的模型在训练数据上的准确率为95%，在未接触的验证数据上使用model.evaluate，我获得了约92.8%的准确率。
但是，当我使用model.predict函数来获得预测概率并获得概率最大的预测类时，我获得了~80%的准确率。
完整的代码可以在以下链接上以colab笔记本的形式获得-
你应该能够运行所有的东西，并看到准确性的差异。问题出在代码块中，如下所示
浏览 2提问于2020-06-12得票数 0
我采取预先训练的模型，并在自定义数据集与3个类和softmax激活作为输出层。我在测试集上获得了91%的准确率，但问题是。我希望我的CNN能够说“我不知道图像上是什么”。这将有助于解决以下两个问题：
密斯分类
没有任何类的图像。我在图像上寻找蛇，希望能说图像上没有蛇。
我在softmax上得到了奇怪的结果：
[[0.05 0.89 0.05]]
[[0.05 0.89 0.05]]
第一个图像是第二类，所以模型得到了正确的结果，但是第二个图像没有已知的类，但是模型是相当肯定的。我怎样才能得到更接近真实概率的东西？而且模型在分类上也不差，只是总是得到0.85-0.89之类的东西。
浏览 0提问于2021-04-08得票数 0
1回答
我正在尝试使用keras和Tensorflow后端来构建一个模型来预测图片中是否有文本。
这是我的模型：
model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=(image_size, image_size, 3))) # 32?
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.5)) # 0.5?
model.add(Conv2D(32, (3, 3))) # agai
浏览 0提问于2018-02-20得票数 0
您将得到一个经过预先培训的二进制ML分类模型，测试集的准确率为99% (假设客户要求95%，测试集是平衡的)。我们希望在生产中部署我们的模型。会出什么问题呢？你要怎么检查？
我的回答是，该模型可能偏向于我们的测试集，并且可能无法在尚未被看到的数据上泛化。我们可以通过在多个不相关的测试集上运行模型来检查这一点，这是它以前从未见过的。
这是正确的角度吗？
浏览 0提问于2020-12-17得票数 9
回答已采纳
我正在使用SciKit构建一个简单的垃圾邮件过滤器，我对我的结果有点不确定。我有一个大约有5000行数据的数据集，其中最后一列是一个布尔值，用于指定电子邮件是垃圾邮件还是垃圾邮件，其他列指定数据，例如连续大写字母序列的平均长度。 在我的代码中，我有以下内容： X = dataset[:,:57] # the first 57 col, excluding the answer col
Y = dataset[:,-1] # the final row with the boolean spam/ham value
xTrain, xTest, yTrain, yTest = train_t
浏览 13提问于2019-05-06得票数 1
回答已采纳
1回答
我在一个分类任务上训练了一个神经网络，它正在学习，尽管它的准确性不高。我正在尝试找出它对哪些测试用例没有信心，这样我就可以对正在发生的事情有更多的了解。
为了做到这一点，我决定使用Tensorflow中的标准softmax概率。为此，我调用了tf.nn.softmax(logits)，并使用了这里提供的概率。我注意到很多时候概率是99%，但预测仍然是错误的。因此，即使我只考虑预测概率高于99%的例子，我得到的准确率也很低，只比我最初的准确率高2-3%。
有谁知道为什么网络对错误的预测如此自信？我仍然是深度学习的新手，所以我正在寻找一些想法来帮助我。
另外，使用softmax概率是确定神经网络预
浏览 43提问于2017-12-28得票数 1
1回答
稀疏多标签最后激活/丢失函数
、、、、
我正在使用keras开发一个多标签分类模型。
如果我使用sigmoid作为binary cross-entropy loss的最后一个激活函数，我在我的第一个纪元中获得了98%的准确率，但它实际上没有学到任何东西。这是因为我有800个类别，平均有2-3个真阳性。
所以我改为在categorical cross-entropy loss中使用sigmoid，看起来效果更好，但我认为不推荐这样做？
我想要一些关于在这种情况下我应该使用什么激活和损失的指导。谢谢!
浏览 2提问于2020-05-14得票数 2
4回答
我是机器学习的新手，我有一个数据集，它有高度不平衡的类(以负类为主)，包含超过2K个数字特征，目标是0,1。我已经训练了一个逻辑回归，虽然我得到了89%的准确率，但从混淆矩阵中，发现模型的正确率非常低。下面是我的模型的分数
Accuracy Score : 0.8965989500114129
Precision Score : 0.3333333333333333
Recall Score : 0.029545454545454545
F1 Score : 0.05427974947807933
怎样才能提高我的正确率？我应该使用不同的分类模型吗？
我尝试了PCA，并将我的数据表示为2个组件
浏览 8提问于2019-09-24得票数 0
我正在使用Vowpal Wabbit的python来训练命名的实体识别分类器，以从短句子中检测人员、组织和位置的名称。我编制了一个，详细说明了数据、模型是如何培训的，以及评估语句中识别的实体。培训数据来自和数据集。
我的Vowpal Wabbit SearchTask类的设置(基于)：
class SequenceLabeler(pyvw.SearchTask):
def __init__(self, vw, sch, num_actions):
pyvw.SearchTask.__init__(self, vw, sch, num_actions)
浏览 2提问于2017-04-19得票数 2
2回答
我对随机森林模型(和一般的数据科学)相当陌生，我想知道我创建的模型是否正确。
上下文:我正在创建一个随机森林模型来预测员工自愿离职。
问题:测试集的准确率为97% (AUC .992这似乎太高了，准确率为88%，召回率为99%)，而训练集的准确率为96%，但随着我们不断获得新的自愿终止，基于该模型的概率往往小于.1。也就是说，表示他们不会离开。
我想这是有意义的，考虑到在创建模型时，这些员工仍然在组织中，因此模型将他们准确地归类为公司的员工，但是准确地分类一个员工是否还在组织中是没有帮助的，我需要能够识别出那些离职概率更高的员工，这就是我对RF模型的理解(我以前使用过逻辑回归模型)。
对此我能
浏览 0提问于2019-11-07得票数 3
2回答
我有两个模特，A和B，在Imagenet上受过训练。它们在Imagenet验证集上的准确率分别为35.6%和28.64%，而其集成(平均分数)的准确率为35.68%。我很想找出为什么这个组合在这里是无效的。
具体来说，我打算检查每个模型的混淆矩阵，但是Imagenet有1000多个类，这使得这个问题难以解决。另一件事是向我建议的是相互信息，但我不知道如何应用它在这种情况下。
所以，我有两个问题：
为什么集成的准确性不降低(到两个精度的平均值)或提高？
是否有一种方法可以对这两个网络的输出进行可视化/评分，以衡量相关性？
编辑1:这两个模型都是AlexNet模型，但都是通过两个不同的预先训练的权
浏览 0提问于2019-02-07得票数 1
我有一个XGBoost(分类)模型，使用N个变量和模型的特征重要性列表，准确率约为75%。我的问题是-对于给定的行和预测分数-我能解释哪些特征导致了1或0预测吗？
浏览 18提问于2021-09-29得票数 0
我是tensorflow和inception模型的新手。我在网上找到了以下教程()，并想在我自己的项目中测试它。
我试图让模型根据照片中的人物来识别种族。我做了一个训练集，每个类别大约有850张图片。
由于某些原因，我无法获得超过65%的准确率水平。我也尝试了增加训练步骤和图像数量。
也许初始模型不是用于此的正确模型？
谁能给我指出一个好的方向，告诉我我可以做些什么来改善结果？
问候你，P.
浏览 0提问于2017-02-17得票数 1
我如何做迁移学习，例如，采用预训练的Spacy NER模型，并使其学习特定于我的用例的新实体？ 为此，我有100个新的带注释的训练样本。新的重新训练的模型应该只预测新的实体，而不是预训练的spacy模型中的任何现有实体。只是在现有模型中添加/更新新实体，并在预测期间忽略旧实体，这是没有意义的。 这个official example描述了如何将新的实体添加到现有的预训练实体中，但这不是我想要的。我也有很少的例子，例如100个完全从头开始构建一个新的NER模型。 编辑:我要识别非结构化文档中的所有帐号。 示例(“我想更改与我的帐户12345对应的地址。请让我知道怎么做。”34，39，‘accou
浏览 40提问于2020-01-21得票数 0
所以我是ML的新手，我有一个任务，我需要能够用我手机的摄像头识别一个特定的物体，并在那一刻触发一个动作。我可以训练模型，将其与谷歌提供的示例Android应用程序连接起来并运行。所有这些都与我从不同网站下载的几个数据集完美地结合在一起，比如狗或鲜花。现在，我正在尝试使用一组包含简单对象的图像来训练模型，在本例中，我使用的是索尼蓝牙扬声器XB12B。我在不同的环境中拍摄了一堆照片，但当我训练模型时，我的准确率总是为1，当我在手机中使用图像标签时，它看到的任何东西都是100%的对象。
我只用一个类来训练模型。
正如我提到的，我是新手，我不确定我做错了什么，是对象的形状，数据集中缺少更多元素，还是缺
浏览 0提问于2021-01-11得票数 0
我一直在做一个研究项目。我有一个维基百科描述大量实体的数据库，包括运动员、政治家、演员等，目的是用这些描述来确定实体的类型。我可以获得一些数据与预测类型的实体，这是相当准确的。，这将是我的训练数据。我想要做的是训练一个模型来预测其他数据的主导类型的实体。
我到现在为止所做的：
提取了第一段，H1，H2头对Wiki实体的描述。
提取wiki页面上实体的类别列表(任意页面中的底部“类别”部分)
对于与两个或多个概念相关联的实体来说，找到实体的类型可能很困难，比如后来成为政治家的演员。
--我想问一下，我是如何从我所拥有的原始数据中创建一个模型的？，我应该使用哪些变量来训练这个模型？
浏览 0提问于2018-06-05得票数 0
2回答
我是tensorflow的新手，我使用的是描述的CNN模型。
我得到了大约60%的准确率为5类和80%的准确率为2类分类
现在我想要可视化哪个词对特定的分类影响最大，有人能告诉我怎么做吗？
浏览 0提问于2018-03-14得票数 0
1回答
简单分类的神经网络精度
、、、、
我正在尝试为一个非常简单的分类模型开发一个NN，该模型包含了keras/tensorflow：
例如：
输入："Do“=>类输出："Dog”
输入："Ca“=>类输出：”猫“
输入："Mo“=>类输出：”鼠标“
我用许多"Do“、"Ca”等来训练模型(如字典)，将输入索引为分类数组(例如，[0,1,0]是"Cat"，[1,0,0]是"Dog"，[0,0,1]是“老鼠”，在三个类的情况下)。
我知道，对于这类问题，应该使用其他所有传统的分类算法，而不是DL，但我这样做是有目的的(我需要将其与图像分类
浏览 0提问于2018-03-27得票数 0
回答已采纳
1回答
我正在使用电子商务数据集来预测产品类别。我使用产品描述和供应商代码作为特征，并预测产品类别。 from sklearn import preprocessing
from sklearn.feature_extraction.text import CountVectorizer
from sklearn import ensemble
df['joined_features'] = df['description'].astype(str) + ' ' + df['supplier'].astype(str)
# spl
浏览 15提问于2020-09-25得票数 3
1回答
如何为分类模型选择正确的预测器？
、、、、
我正在研究一个分类问题。我有两个模特：
Logistic回归模型
随机森林模型
对于第一个模型，如果我选择唯一的p值<0.05的预测器，我将降低准确率、回忆等。IV (和WOE)预测器的选择与符合p值规则的预测器不一样。
另一方面，随机森林并没有给出p值，只给出重要性度量，它们类似于IV预测因子。
So，应该使用哪些方法来选择正确的预测器，以便比较这两个模型？
谢谢你看了这篇文章，希望你能帮我。我很乐意提供更多的细节。
浏览 0提问于2021-08-19得票数 0
1回答
我正在调试一个序列到序列模型，并故意尝试完美地拟合一个大约200个样本(长度在5-50之间的句子对)的小数据集。我在pytorch中使用负对数似然损失。我得到了很低的损失(~1e^-5)，但在同一数据集上的准确率只有33%。
我也在3个样本上训练了模型，并获得了100%的准确率，但在训练过程中我遇到了损失。我的印象是，如果预测标签和目标标签之间存在不匹配，则负对数似然只会给出损失(损失在~1e^-5的相同区域)。
我的代码中可能存在bug吗？
浏览 9提问于2020-07-14得票数 2
2回答
我正在做有毒评论文本分类Kaggle挑战。有6个类：['threat', 'severe_toxic', 'obscene', 'insult', 'identity_hate', 'toxic']。一个评论可以是这些类别中的多个，因此这是一个多标签分类问题。
我用Keras构建了一个基本的神经网络，如下所示：
model = Sequential()
model.add(Embedding(10000, 128, input_length=250))
model.add(Flatten())
mo
浏览 1提问于2018-06-05得票数 19
1回答
我正在尝试在Keras + Tensorflow中对一个选定的位置子集进行迁移学习-205个数据集，仅包含27个类别。我正在使用InceptionV3、DenseNet121和ResNet50，在ImageNet上进行了预先训练，并添加了几个额外的层来适应我的类。如果模型是ResNet，我会为分类添加Flatten + Dense，如果是DenseNet或Inceptionv3，我会添加全局平均池+ Dense (relu) + Dense (分类)。这是代码片段：
x = base_model.output
if FLAGS.model in 'resnet50':
浏览 0提问于2018-04-16得票数 1
我使用spaCy模块来查找输入文本的名称实体。我正在训练这个模型来预测医学术语。我现在有200万张医疗记录，我写了一个程序来注释这些笔记。
我将医学注释与用于注释任务的大约9万个术语的预定义列表交叉引用。按照目前的注释速度，注释10,000个注释大约需要一个半小时。按照目前注释的工作方式，我最终得到了大约90%的注释没有注释(我目前正在努力获得更好的交叉引用术语列表)，因此我使用了~1000个带注释的注释，并对这些注释进行了模型培训。
我已经检查过了，模型类型对它所看到的已知注释术语作出了响应(例如，在注释之前见过术语tachycardia，有时当这个术语出现在文本中时，它就会出现)。
这个背
浏览 0提问于2018-08-31得票数 1
回答已采纳
2回答
我有一个只有8列的数据：
id
created_time
employee_id
秩位
小时价格
num_work_completed
work_category
雇请
employee是目标变量，1表示已雇用，0表示未雇用，而它与5.7%的雇用(1)不平衡，这使得基线准确度达到94.3%，我试图构建预测是否会雇用员工的模型。在完成了EDA功能工程(处理NAs、编码分类变量、规范化数字变量)之后，我使用80/20作为拆分规则，并使用rank_position、hourly_price、num_work_completed、work_category_dummy建立了随机森林。
clf=Rand
浏览 0提问于2019-05-22得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
