基于图卷积神经网络的微博疫情情感分析实战
本项目的任务为NLP中的情感分析。项目将文档进行构图,然后采用图卷积来进行文档嵌入学习,最后进行分类。项目包含数据集以及数据集预处理、建图、训练与测评的完整源码,源码注释清晰,还有相应的博客说明,对新人十分友好。
本项目的任务为NLP中的情感分析。项目将文档进行构图,然后采用图卷积来进行文档嵌入学习,最后进行分类。项目包含数据集以及数据集预处理、建图、训练与测评的完整源码,源码注释清晰,还有相应的博客说明,对新人十分友好。
本项目实现了机器学习中的典型分类算法逻辑斯蒂回归,项目包含数据生成、模型实现与可视化部分,代码注释清晰,且包含说明文档,对新人友好。
本项目实现了机器学习中线性判别分析(LDA)算法,并在真实世界数据集上进行了测试。项目包含数据预处理、模型实现和训练测评的全过程,注释清晰。
本项目实现了机器学习中经典的PCA降维,并在真实世界数据集上进行了实践。项目包含了数据集预处理、模型定义与降维可视化等部分,代码注释清晰。
本项目是机器学习感知机模型的Python实战,项目包含了数据生成、模型的定义与训练。项目代码注释清晰,并包含说明文档,对新手友好。
本项目选用中文诗词作为训练集,用Seq2Seq的方式来训练模型,并基于此可以进行诗词的生成。该项目包含数据预处理、模型训练和文本生成的所有代码,并包含一份简单的说明文档,易于上手。
本项目采用K-Means算法分别对若干中文文档和英文文档进行聚类,其中K的取值为20,即最终聚簇结果为20个簇,其中文档间的距离采用的是余弦距离,K-Means算法的终止条件为所有簇的中心不再发生偏移。算法会返回中文文档和英文文档最大的三个簇所对应的文档id(id与文档名一一对应)以及每个簇距离类中心最近的5个文档。
本项目为KNN、朴素贝叶斯和决策树的机器学习分类实战项目。本项目使用的数据集breast cancer, iris和wine都是来自于UCI。项目包含了数据集的预处理、划分和加载,三种经典机器学习算法的实现、训练与测评。测评采用了十折交叉验证且采用F1 Score作为测评指标。
本项目是在一个开源中文电子病历数据集上的命名实体识别(NER)任务的源码,其中包含了数据预处理、BERT-BiLSTM模型实现以及训练与测评的完整过程。本人有一篇博客是对其的详细说明,源码也注释详细,简单易读。
本资源是使用Pytorch实现的基于CNN的中文文本分类源码,其中包括了数据集预处理、数据集统计分析,模型实现和训练全过程的源码。另外,代码中有详细的注释,对新人十分友好,欢迎下载学习。
勤写标兵
博客之星–参与
孜孜不倦
知无不言
授人以渔
求知
持续创作
笔耕不辍
创作能手
五一创作勋章
分享精英
阅读者勋章
分享达人
原力新人
原力探索
学习力
签到达人
签到新秀
技术圈认证
GitHub
新人勋章