Task4基于深度学习的文本分类

FastText是一种典型DL词向量的表示方法，它通过Embedding层将单词映射到稠密空间，然后将句子中所有的单词在Embedding空间中进行平均，进而完成分类操作；

它是一个三层神经网络：输入层、隐含层、输出层；

它用单词的Embedding叠加获得的文档向量，将相似的句子分为一类；

它学到的Embedding空间维度比较低，可以快速进行训练；

 

 如何使用验证集调参
1.通过阅读文档，要弄清楚这些参数的大致含义，哪些参数会增加模型的复杂度
2.通过验证集上进行验证模型精度，找到模型在是否过拟合还是欠拟合
3.基于验证集的结果调整超参数，使得模型性能更优（没明白   10折交叉验证，怎么调？）
    常用的精度测试方法主要是交叉验证，10次的结果的均值作为对算法精度的估计，一般还需要进行多次10折交叉验证求均值。这个方法的优势在于，同时重复运用随机产生的子样本进行训练和验证，每次的结果验证一次。