← 返回卡片

原书出处

深度学习详解

18 可解释性机器学习 18.4 可解释性机器学习中的局部解释

核验版本的摘录快照 · 导入于 2026-11-21T12:46:32.561Z

换个角度,训练一个命名实体识别(Named Entity Recognition,NER)的分类器,这个分类器的输入是BERT的嵌入,输出这个词汇是不是一个命名实体,属于人名还是地名,还是任何专有名词,等等. 通过这个分类器的准确率,就可以知道这些特征里有没有地址和人名信息等.但是在使用这种技术的时候,需要关注所使用分类器的强度. 如果分类器的准确率很低,它还能够保证输入的这些特征(即BERT的嵌入)里有(或没有)我们需要的分类信息吗?不一定,因为有可能就是分类器训练得太差了,比如学习率没有调整好,等等.所以在使用探针的时候,不要太快地下结论.

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter18.xhtml

EPUB SHA-256:35d2d4b7de742e0ce7756e7fb57c534014bf33cecdf0483a75e23cb7446cb7dc