知识卡片
监督标注要分开特征与目标
训练时从可获得的输入与历史信息抽特征,把正确标签作为监督目标;推断时必须用同样可获得的信息,不能把当前真实标签直接当输入特征。邻词、前后缀和历史预测标签是不同信息来源,“前一词或前缀”不能当同一概念。原文二阶分类器措辞未给足定义,不据此给所有词性分类器冠名二阶。
结构图:
flowchart TD
T[带标签训练句] --> X[输入部分抽取特征]
T --> Y[正确标签作为目标]
X --> Fit[学习参数]
Y --> Fit
Fit --> M[分类模型]
Q[待标注句及可用历史] --> F[同规则抽取特征]
F --> M
M --> P[预测标签]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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 · 2 处
- 第4章 词性标注:单词识别 4.3 选择一种机器学习算法 · 查看原书依据
特征提取器
- 第7章 情感分析:我很快乐 7.1.2 使用机器学习执行情感分析 · 查看原书依据
机器学习算法的输入是标签和特征
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4章 词性标注:单词识别,spine058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/text00057.html。
- 结论依据:原文图142标签单独送学习器、输入经特征抽取,支持训练与推断信息边界,而不是泄漏正确当前标签。未在本机运行示例或改变环境。
- 原始内容:标记列表。 在监督式分类中,在训练期间,特征提取器接受输入和标签并生成特征集,如图4-2所示。这些特征集与标签一起作为机器学习算法的输入。在测试或预测阶段,使用特征提取器从未知的输入中生成特征集,并且将输出的特征集发送到