知识卡片

问题卡 · 6644.a.1.m · 生成模型:未记录

测试划分还要检查词表来源

理解等级:中级

示例700句按下标逢10取1得70测试、630训练,但tag_set和symbols先从全部700句构造,因此测试标签/词已影响模型空间。若目标是评估严格未知词泛化,应只用训练数据建立词表或明确转导设置;按位置规律切分也未必代表独立分布。evaluate通常报告逐词标签准确率,不能据90/10比例本身认定评估可靠。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第2章 统计语言建模,spine056单元006;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00055.html。 - 结论依据:原文先取全corpus的tag_set/symbols,再分train/test的顺序支撑测试参与空间设定的判断;未声称测试标签用于参数计数。未在本机运行示例或改变环境。 - 原始内容:range(len(corpus)): if i % 10: train_corpus += [corpus[i]] else: test_corpus += [corpus[i]] >>> print(len(train_co