本文探讨了目标函数在机器学习中的关键作用，深入讲解了一维表示的One-hot到分布式Word embedding的变化，以及词袋模型（BOW）、词向量（Wordvector）在捕捉词的上下文（Wordcontext）中的应用。通过实例解析词的类比（Wordanalogy），揭示了分布式表示在自然语言处理中的优势。
objective function 目标函数= loss function 损失函数
One-hot representation
稀疏表达
Distributed representation 分布式表示/稠密表达
（Word）embedding
（词）嵌入
Bag of words BOW词袋
Word vector
词向量
Word context
词的上下文
Word analogy
词的类比
cs224n名词解释
objective function 目标函数= loss function 损失函数
One-hot representation
稀疏表达
Distributed representation 分布式表示/稠密表达
（Word）embedding
（词）嵌入
Bag of words BOW词袋
Word vector
词向量
Word context
词的上下文
Word analogy
词的类比
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
