何小义的博客

PS. 因工作繁忙，没时间详细更新博客，先发一段实现代码，后续更新详细实现原理！！！基于fasttext的新闻文本分类实践（python）：import pandas as pdfrom sklearn.metrics import f1_score# 转换为FastText需要的格式train_df = pd.read_csv('../data/train_set.csv', sep='\t', nrows=15000)train_df['label_ft'] = '__label__

目录1. 文本分类之ML方法简介2. one-hot3.Count Vectors4.N-gram5.TF-IDF6.Count Vectors + RidgeClassifier7.TF-IDF + RidgeClassifier8.TF-IDF + 其他ml算法1. 文本分类之ML方法简介（1）机器学习简介 直观定义 ---> 权威定义 ---> 机器学习(Machine Learning, ...

前面已经学习记录了： Datawhale - 入门NLP之新闻文本分类 - task1 赛题理解今天继续学习记录：task2 数据分析，主要是对巡检集的数据进行分析，统计，了解数据整体的分布情况！1 竞赛数据来源 竞赛数据来源，进入天池实验室 -- “零基础入门NLP - 新闻文本分类”： https://tianchi.aliyun.com/competition/entrance/531810/information，然后点击报名参赛，再点击“赛题与数据”...

学习背景本次学习背景是，在datawhale组织中报名学习：入门NLP（以新闻文本分类赛事进行学习）。学习过程中，逐渐记录心得和学习的收获！！！1.赛题理解赛题名称：零基础入门NLP之新闻文本分类。 赛题目标：通过这道赛题走入自然语言处理的世界，接触NLP的预处理、模型构建和模型训练等知识点。 赛题任务：赛题以自然语言处理为背景，要求选手对新闻文本进行分类，这是一个典型的字符识别问题。2.学习目标理解赛题背景与赛题数据 完成赛题报名和数据下载，理解赛题的解题思路3.赛题数据