← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9359.c · 生成模型:GPT-6

划分数据应避免相邻窗口交叉

理解等级:中级

重叠字窗随机打散到训练和验证,会让同一句及邻近高度重复内容出现在两边,使验证表现过于乐观。应先按句或来源划分,再分别构造窗口;若词向量使用保留集原文,也要声明是允许的转导设置还是需排除的泄漏。

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:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html) - 结论依据:摘录中关于划分数据应避免相邻窗口交叉的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:def splitset(self, train_word_num, train_label, train_size=0.9, random_state=1):