原书出处
深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)
14 第14章 用BERT实现中文语句分类
t("训练样本数:", len(df_train)) df_train.head() 运行结果请看本书代码及数据部分。
这里在抽样1%的数据后还将去除过长的样本,实际上会被拿来训练的样本数只有2,657笔,占比不到参赛时可以用的训练数据的1%,是非常少量的数据。
我们也可以看到无关的样本占了68%,因此我们用BERT训练出来的分类器至少要超过68%才行: df_train.labe
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter18_0003.xhtml
EPUB SHA-256:0056cad2f11cb1d60ead5054060bd6d41fef87dd049656db310bdc789c0ec7da