幸福加油站的所有下载-用户-卡了网

NLP实战之keras+LSTM进行京东评论情感分析python,对语料进行简单分析,然后通过jieba分词、word2vec构造词向量,通过LSTM提取情感特征,利用LR二分类,达到准确度0.91897

计划赶不上变化快的fasttext来啦~ 包括代码和分好词的训练集、测试集、停词表,测试集F1值0.941,虽然没比TextCNN高但是快啊!fasttext模块安装麻烦一点,具体看博客内容吧。

利用CNN处理CIFAR-10的测试精度没达到0.9，所以来试试Rsenet~通过数据增强等处理方式，利用20层的Resnet对其进行测试，精度达到0.9139.

通过对数据进行分词、停词过滤、TfidfVectorizer/CountVectorizer处理，利用sklearn中是逻辑回归对THUCNews进行分类，包含数据集

之前做了基于机器学习的逻辑回归和贝叶斯进行文本分类，感觉还是太简单了，今天尝试一下字符级CNN用于文本分类，利用tensorflow架构，F1得分0.9661

文件中原始代码利用CNN对CIFAR10数据集进行分类，准确度达到0.67，优化代码通过权重正则化、数据增强，增加全连接层等方式进行优化，准确度达到0.85。