返回

《自然语言处理实用指南：NLP 终身学习伴侣》

导航
上一页
第101条 至 第150条
下一页
免费
第 101 节 朴素贝叶斯模型的训练：计算预测概率
免费
第 102 节 朴素贝叶斯模型的训练：_处理概率为 0 的情况
免费
第 103 节 朴素贝叶斯模型的训练：练习题
免费
第 104 节 朴素贝叶斯的最大似然估计（上）
免费
第 105 节 朴素贝叶斯的最大似然估计（下）
免费
第 106 节 带限制条件的优化：无约束条件优化
免费
第 107 节 带限制条件的优化：约束条件优化
免费
第 108 节 朴素贝叶斯目标函数的优化
免费
第 109 节 决策树的形态与决策边界：节点和边
免费
第 110 节 决策树的形态与决策边界：对应边
免费
第 111 节 决策树的学习（上）
免费
第 112 节 决策树的学习（中）
免费
第 113 节 决策树的学习（下）
免费
第 114 节 决策树中的不确定性：好的特征
免费
第 115 节 决策树中的不确定性：好的特征减少不确定性
免费
第 116 节 决策树中的不确定性：不确定性信息熵
免费
第 117 节 决策树中的不确定性：不确定性数学表示
免费
第 118 节 决策树中的不确定性：构建决策树
免费
第 119 节 决策树表现与节点数目的关系
免费
第 120 节 用于防止过拟合的方案
免费
第 121 节 随机森林：集成模型的优势
免费
第 122 节 随机森林：构建集成模型
免费
第 123 节 随机森林：方差和稳定性案例
免费
第 124 节 随机森林的核心思想
免费
第 125 节 随机森林的构造（上）
免费
第 126 节 随机森林的构造（中）
免费
第 127 节 随机森林的构造（下）
免费
第 128 节 随机森林的预测
免费
第 129 节 文本分析流程与分词：文本分词流程
免费
第 130 节 文本分析流程与分词：分词工具的使用
免费
第 131 节 最大匹配算法：前向最大匹配
免费
第 132 节 最大匹配算法：后向最大匹配
免费
第 133 节 最大匹配算法：匹配算法的缺点
免费
第 134 节 考虑语义的一种分词方式（上）
免费
第 135 节 考虑语义的一种分词方式（中）
免费
第 136 节 考虑语义的一种分词方式（下）
免费
第 137 节 停用词和词的标准化：词的过滤（上）
免费
第 138 节 停用词和词的标准化：词的过滤（中）
免费
第 139 节 停用词和词的标准化：词的过滤（下）
免费
第 140 节 停用词和词的标准化：词的标准化（上）
免费
第 141 节 停用词和词的标准化：词的标准化（下）
免费
第 142 节 停用词与词的标准化：拼写纠错（上）
免费
第 143 节 停用词与词的标准化：拼写纠错（中）
免费
第 144 节 停用词与词的标准化：拼写纠错（下）
免费
第 145 节 拼写纠错：循环词库的问题以及改进方法（上）
免费
第 146 节 拼写纠错：循环词库的问题以及改进方法（下）
免费
第 147 节 文本表示基础：单词的表示
免费
第 148 节 文本表示基础：句子的表示（上）
免费
第 149 节 文本表示基础：句子的表示（下）
免费
第 150 节 文本表示基础：tf-idf 向量（上）
上一页
第101条 至 第150条
下一页