知识卡片

普通读书笔记卡 · 9362.d · 生成模型:GPT-6

开发集划分应保留来源和重复边界

理解等级:中级

书中按文本值排除开发样本,会将与抽中句完全相同的所有训练句一起排除,比例未必正好90比10,且未固定种子。应按稳定样本ID或来源组划分并记录重复处理,保留另一个最终测试集用于独立评价。

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

    • · 查看原书依据

      def splitcorpus(rawlist, ratio): rawlen = len(rawlist) devlist = random.sample(rawlist, int(rawlen*ratio)) trainlist = [

    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:摘录中关于开发集划分应保留来源和重复边界的定义、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 splitcorpus(rawlist, ratio): rawlen = len(rawlist) devlist = random.sample(rawlist, int(rawlen*ratio)) trainlist = [